Методы снятия неопределенности(метод регрессивного прогнозирования)

В задачах существуют параметры. ЛПР должно обладать информацией о значениях этих параметров.

a_ij – значения этих параметров,

c_j – коэффициент целевой функции.

С точки зрения формализованного описания можем сказать, что ЛПР имеет представление об области допус. значений параметров (а А).

Чем больше ОДЗ, тем больше неопределенность.

Решаем задачу «снятия неопределенности».

Метод регрессионного прогнозирования. Идея метода заключается в следующем: ЛПР не имеет достоверной информации о значениях параметров на будущие периоды. Однако, он располагает ретро-информацией о значениях этих параметров.

Регрессионная модель – описывает изменение состояния объекта во времени.

Бывают ситуации, когда изменение параметров характеризуется некоторой тенденцией. Если такое имеет место, то возникает идея построить некоторую функцию, которая описывает эти закономерности а. Есть некоторая статистика. Рассчитывается погрешность:

Эти методы применимы только в случаях, когда медленно развиваются процессы.

Есть ось времени, необходимо принять упр.решения на несколько будущих периодов. Нам известна ретро-информация об этом параметре(за предыдущие периоды).

а = b0 + b1*t

b0-

b1 – насколько изменяется параметр а при изменении t на единицу

Д – дисперсия

Сигма = Корень из Д

Значение а – номинальное значение. Считаем, что а – хороший параметр, то а+Сигма – оптимальный прогноз, а-Сигма – пессимистичный прогноз. (+Сигма;-Сигма) – область допустимых ожидаемых значений

Существуют 3 плана:

- номинальный

- пессимистический

- оптимальный