МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ

РАДІОЕЛЕКТРОНІКИ

МЕТОДИЧНІ ВКАЗІВКИ

до лабораторних робіт з дисципліни

«ТЕОРІЯ ПРИЙНЯТТЯ РІШЕНЬ»
для студентів спеціальності
122– "Комп'ютерні науки"

Електронне видання

ЗАТВЕРДЖЕНО
кафедрою системотехніки.
Протокол № 1 від 30.08.2016

Харків 2017
 Методичні вказівки до лабораторних робіт з дисципліни «Теорія
прийняття рішень» для студентів спеціальності 122 – "Комп'ютерні науки"
[Текст] / Упоряд. І.В. Гребеннік, Л.В. Колесник, І.А. Урняєва − Харків:
ХНУРЕ, 2017. − 27 с.

Упорядники: І.В. Гребеннік

Л.В. Колесник
І.А. Урняєва

Рецензент: Є.П. Путятін, д.т.н., проф., зав. каф. ІНФ ХНУРЕ

 ЗМІСТ

Вступ……………………………………………………………………………. 4
1 Прийняття рішень за умов багатокритеріальності………………………… 5
1.1 Мета роботи………………………………………………………… 5
1.2 Методичні вказівки з організації самостійної роботи студентів… 5
1.3 Опис лабораторної установки……………………………………… 13
1.4 Порядок виконання роботи………………………………………… 13
1.5 Зміст звіту…………………………………………………………… 14
1.6 Контрольні запитання та завдання………………………………… 14
2 Прийняття рішень в умовах невизначеності………………………………. 16
2.1 Мета роботи…………………………………………………………. 16
2.2 Методичні вказівки з організації самостійної роботи студентів… 16
2.3 Опис лабораторної установки……………………………………… 16
2.4 Порядок виконання роботи………………………………………… 16
2.5 Варіанти індивідуальних завдань………………………………….. 17
2.6 Зміст звіту…………………………………………………………… 18
2.7 Контрольні запитання та завдання………………………………… 19
3 Прийняття рішень на основі моделей теорії ігор………………………….. 20
3.1 Мета роботи…………………………………………………………. 20
3.2 Методичні вказівки з організації самостійної роботи студентів… 20
3.3 Опис лабораторної установки……………………………………… 20
3.4 Порядок виконання роботи………………………………………… 20
3.5 Варіанти індивідуальних завдань………………………………….. 21
3.6 Зміст звіту…………………………………………………………… 24
3.7 Контрольні запитання та завдання………………………………… 25
Перелік посилань………………………………………………………………. 26

3
 ВСТУП

Дані методичні вказівки призначені для проведення лабораторних робіт

з дисципліни "Теорія прийняття рішень" для студентів денної форми
навчання спеціальності 122 – Комп'ютерні науки. Відповідно до навчального
плану спеціальності і робочої програми дисципліни лабораторні роботи
проводяться в 6-му семестрі і мають мету надавати студентам практичних
навичок застосовувати математичні методи обґрунтування та прийняття
управлінських і технічних рішень, адекватних умовам, в яких функціонують
об’єкти інформатизації. У процесі виконання лабораторних робіт студенти
закріплюють на практиці й удосконалюють знання й уміння, отримані під час
вивчення дисципліни "Теорія прийняття рішень".
У процесі підготовки до лабораторних робіт необхідно опрацювати
конспект лекцій, методичні вказівки до роботи, ознайомитися з літературою,
що рекомендується.
Перед виконанням лабораторних робіт студенти повинні пройти
інструктаж з техніки безпеки. Її вимог, так само, як і положень інструкцій
щодо поведінки студентів у лабораторії, а також прийнятої в університеті
технології використання обчислювальної техніки, необхідно чітко
дотримуватися протягом усього лабораторного практикуму.
Методичні вказівки містять опис лабораторних робіт. Кожен розділ, що
відповідає окремій лабораторній роботі складається з таких підрозділів: мета
роботи, вказівки з виконання роботи, опис лабораторної установки, порядок
виконання роботи, зміст звіту, контрольні запитання та завдання
Методичні вказівки складені й оформлені на основі вимог [1] і
рекомендацій [2].

4
 1 ПРИЙНЯТТЯ РІШЕНЬ ЗА УМОВ БАГАТОКРИТЕРІАЛЬНОСТІ

1.1 Мета роботи

Математичне моделювання та розв’язання багатокритеріальних задач
прийняття рішень в умовах визначеності на основі значень критеріїв та із
застосуванням узагальненого критерію ефективності.

1.2 Методичні вказівки з організації самостійної роботи студентів

При підготовці до виконання лабораторної роботи розглянути основні
прийоми, що використовуються при прийнятті рішень в умовах
багатокритеріальності. З цією метою може буде використаний лекційний
матеріал з відповідних тем, викладений у рекомендованій літературі [3, с. 9-
74; 4, с. 9-56; 5, с. 8-30; 6, с. 5-60], а також матеріал даних методичних
вказівок.
Система оцінюється за множиною критеріїв, які в достатній мірі
характеризують можливі варіанти її побудови.
Множина критеріїв, які оцінюють корисні функціональні властивості
рішень, позначається  f = {k1, , k n f } .
Множина критеріїв, які оцінюють рівень витрат кожного з ресурсів,
позначається  c = {k1, , k nc } .
Зазначимо, що в окремому випадку множини  f та  c можуть
містити по одному елементу, але в загальному випадку ця множина
різнорідних за змістом, а, отже таких, що мають різну розмірність, виміряних
у різних шкалах та інтервалах частинних критеріїв. Таким чином, кожне
рішення x  X характеризується набором різнорідних частинних критеріїв:

 =  f   c = {k1, k 2 , ..., k n }, n = n f + n c .

Математичну модель багатокритеріальної задачі прийняття рішень

можна подати у вигляді такої оптимізаційної задачі:

X 0 = A rg extr{k1( x), k 2 ( x), ..., k n ( x)} , (1.1)

xX

де k i ( x), i = 1, 2, ..., n – частинні критерії;

X – множина допустимих рішень.
Множина альтернатив x q  X , для кожної з яких існує хоча б одна
домінуюча альтернатива x p  X , називається областю згоди X s .
5
 Множина всіх недомінованих альтернатив із множини допустимих
рішень X називається областю компромісу X c .
Розрізнюють види області компромісу X c залежно від відношень
домінування, введених на множині допустимих рішень X.
Розглянемо відношення домінування x p x q . Альтернатива x p домінує
альтернативу x q або x p x q , якщо i : ( ki (x p ) ki (x q ))  ( ki (x p )  ki (x q )) .
Тоді x p – домінуюча, а x q – домінована альтернатива. У випадку, коли i :
ki (x p )  ki (x q ) , то x p  x q , тобто альтернативи x p та x q еквівалентні.
Тут ki (x p ) ki (x q ) означає ki (x p )  ki (x q ) , якщо критерій ki
максимізується, і ki (x p )  ki (x q ) – у протилежному випадку. Співвідношення
ki (x p )  ki (x q ) означає ki (x p ) = ki (x q ) .
Тоді множина X c є множиною Парето, або множиною Парето-
оптимальних рішень P ( X ) . У цьому випадку говорять про нестроге
домінування.
Розглянемо відношення порядку на множині X виду: альтернатива x p
домінує альтернативу x q , якщо i : ki (x p ) ki (x q ) .
Тоді множина X c є множиною Слейтера S ( X ) . У цьому випадку
говорять про строге домінування. Тут ki (x p ) ki (x q ) означає ki (x p )  ki (x q ) ,
якщо критерій ki максимізується, та ki (x p )<ki (x q ) – у протилежному
випадку.
З визначень області згоди та області компромісу випливає, що

X = X s  X c ; X s  X c =  , P( X )  S ( X ) . (1.2)

Образами множин X c , X s , P( X ), S ( X ) при відображенні k ( x) : X → Y

будуть відповідно множини Y c , Y s , P (Y ), S (Y ) .

Алгоритм побудови області компромісу для скінченої множини X

Нехай множина X = {x1, x 2 , ..., x m} є скінченою, а кожному x j  X
відповідає вектор y j = ( y1 , y 2 , ..., y n ) оцінок y i = k i ( x j )  R 1 , i = 1, 2, ..., n ,
j = 1, 2, ..., m , за всіма критеріями із множини K = {k1, k 2 , ..., k n } . Побудуємо
точну область компромісу X c , виходячи з її визначення.

6
 Із цією метою здійснимо попарне порівняння елементів множини X за
кожним із критеріїв k1, k 2 , ..., k n у такий спосіб.
Виберемо альтернативи x p , x q  X й порівняємо ki (x p ) та ki (x q ) для
всіх i  {1, 2, ..., n} . Можливі такі ситуації:
– або x q домінує x p ;
– або x p домінує x q ;
– або x p , x q  X непорівнянні, тобто існують такі i1, i2 {1, 2,..., n} , що
ki1 (x p ) ki1 (x q ) та ki2 (x p ) ki2 (x q ) або ki1 (x p ) ki1 (x q ) та ki2 (x p ) ki2 (x q ) ,
тобто висновок про домінування елементів x p , x q  X зробити не можна.
У результаті порівняння всіх пар елементів x p , x q  X , p = 1,2,..., m − 1 ,
q = 2,..., m , за всіма критеріями ki  K , i  {1, 2, ..., n} , сформуємо точну
область компромісу X c  X як множину всіх недомінованих альтернатив.
Часова складність наведеного алгоритму має оцінку  = n  m  (m − 1) / 2 .
Поширений підхід до розв’язання задач багатокритеріальної
оптимізації полягає в перетворенні багатокритеріальної задачі в
однокритеріальну.
Існує кілька способів перетворення багатокритеріальних
оптимізаційних задач в однокритеріальні. Розглянемо деякі з них.

Метод виділення основного критерію

Суть цього методу полягає у виділенні основного критерію й
переведенні всіх інших критеріїв у систему обмежень. Із множини частинних
критеріїв вибирається один – найважливіший, який береться як критерій
оптимізації. Для кожного з інших частинних критеріїв призначається його
граничне гірше значення.
Тоді вихідна багатокритеріальна задача (1.1) зводиться до
однокритеріальної оптимізаційної задачі вигляду

x 0 = arg extr k * ( x) ,
i
xX * (1.3)
X = {x  X : k i ( x )
*
k i− ( x), i = 1, 2, ..., n, i  i },
*

де k * ( x) – критерій оптимізації; k i− ( x) – найгірші допустимі значення

i
частинних критеріїв k i ( x) , i  i * ; – символ переваги.
При цьому, k i ( x)  k i− ( x) , якщо критерій k i ( x) максимізується та
k i ( x)  k i− ( x) , якщо критерій k i ( x) мінімізується.
7
 В ході реалізації розглянутого методу потрібно звернути особливу
увагу на те, щоб допустима множина рішень X * не була порожньою
множиною.

Метод функціонально-вартісного аналізу

Як відомо, вихідна множина частинних критеріїв K =  k i ( x), i = 1, 2, ..., n ,
що за визначенням досить повно характеризує альтернативи x  X , розбивається
на дві підмножини: K f = {k fi ( x), i = 1, 2, ..., n f } та K z = {k zj ( x), j = 1, 2, ..., n z } ,
n f + nz = n .
Перша група критеріїв Kf характеризує функціональну якість
рішення, тобто ступінь досягнення цілі, а друга K z – витрати, в широкому
розумінні, необхідні для реалізації рішення x , тобто досягнення мети. У
кожній із зазначених підмножин виділяється один головний критерій,
позначимо їх відповідно k fi* ( x) = k *f ( x) та k zj* ( x) = k z* ( x) , а решта частинних
критеріїв K \ {k *f ( x), k z* ( x)} переводяться в систему обмежень. У результаті
отримуємо оптимізаційну задачу із двома критеріями k *f ( x) та k z* ( x ) . Таким
чином, виникає необхідність зведення даної задачі до однокритеріальної.
У функціонально-вартісному аналізі використовуються такі підходи.
1. Якщо обидва критерії k *f ( x) та k z* ( x ) мають однакову розмірність
(наприклад, дохід і витрати) або їх можна звести до однакової розмірності, то
використовується оптимізаційний критерій вигляду

k ( x) = k *f ( x) – k z* ( x ) , (1.4)

а оптимальне рішення визначається так:

x 0 = arg max k ( x) , (1.5)

xX *

де


X * = x  X k fi ( x)  k −fi , i  i * , k zj ( x)  k zj 
− , j  j * , i = 1, ..., n , j = 1, ..., n .
f z (1.6)

Критерій k ( x) вигляду (2.9) може бути інтерпретований як прибуток.

2. Якщо критерії k *f ( x) та k z* ( x ) мають різну розмірність, то
використовується критерій вигляду

8
 k *f ( x)
k ( x) = , (1.7)
k z* ( x)

а оптимальне рішення записується так

x 0 = arg max k ( x) . (1.8)

xX *

Критерій (1.7) є нормованим на одиницю витрат ефектом.

Метод послідовної оптимізації (лексикографічного впорядкування)

Ідея цього методу полягає в перетворенні багатокритеріальної
оптимізаційної задачі в упорядковану послідовність однокритеріальних
задач.
Із цією метою всі частинні критерії впорядковуються за спаданням
важливості, тобто встановлюється лінійний порядок

k1 k2 kn , (1.9)

де – символ відношення порядку.

Відповідно до послідовності (1.9) розв’язуються однокритеріальні
оптимізаційні задачі за кожним частинним критерієм.
За принципом послідовної оптимізації із двох рішень u  X , v  X
перше краще, тобто u v , якщо

k1(u ) k1(v) або

(k1 (u)  k1 (v))  ( k 2 (u) k 2 (v)) або
(k1 (u)  k1 (v))  (k 2 (u)  k 2 (v))  ( k 3 (u) k 3 (v)) і т.д. (1.10)
 t  J n −1 , таке, що (k j (u )  k j (v), j  J t )  ( k t +1(u ) k t +1(v)) .

Найкраще рішення визначається в такий спосіб.

На першому кроці з вихідної множини допустимих рішень X
виділяється підмножина X 10 рішень, еквівалентних за першим (найбільш
важливим) критерієм. Для цього розв’язується однокритеріальна оптимізаційна
задача вигляду

X 10 = A rg extr k1 ( x) . (1.11)
xX

Якщо множина X 10 містить більше одного рішення, необхідно перейти

до наступного етапу, тобто розв’язати задачу вибору еквівалентних рішень
9
відносно другого за важливістю критерію, але вже із множини X 10 :

X 20 = A rg extr k 2 ( x) . (1.12)
xX 10

У загальному випадку

X i0 = Arg extr k i ( x ) , i = 1, 2, ..., n ,

xX i0−1 (1.13)

тут X 00  X .
Якщо всі частинні критерії «вичерпані» і не знайдене єдине рішення,
формуються додаткові критерії. Оптимізація триває, доки не буде знайдене
єдине рішення. Зазначимо, що отримане в такий спосіб рішення задачі x0
належить множині Слейтора S ( x ) .
Якщо вже на перших кроках оптимізації знайдене єдине рішення, тоді
всі наступні частинні критерії не враховуються. У цьому випадку може бути
застосований метод поступки, відповідно до якого ОПР призначає
допустимий рівень зниження k i ( x) частинного критерію k i ( x) в порівнянні
з його екстремальним значенням:

x i0+1 = arg extr k i +1 ( x) , i = 1, 2, ..., n − 1 , (1.14)

xX

за умови k i ( x)  k i ( x i0 ) −  k i ( x) ,якщо k i ( x) максимізується;

k i ( x)  k i ( x i0 ) +  k i ( x) , якщо k i ( x) мінімізується. Вибір величини поступки
здійснюється ОПР евристично, і залежить від особливостей задачі.

Базова оцінка значення частинного критерію може бути інтерпретована

як функція корисності pi (k i ( x)) частинних критеріїв k i ( x) , де
p i : k i ( x) → R 1 , i = 1, 2, ..., n .
Обґрунтуємо вибір виду функції корисності.
Бажано, щоб функція корисності частинних критеріїв була
універсальною і добре пристосованою для урахування особливостей
конкретних систем, їхніх цілей і критеріїв.
Для цього вона має відповідати таким вимогам:
– мати єдиний інтервал зміни [0, 1];
– бути безрозмірною;
– бути інваріантною до вигляду екстремуму частинного критерію

10
(мінімум або максимум).
Останнє означає, що незалежно від виду екстремуму його найкращому
значенню на множині X має відповідати максимальне (що дорівнює 1), а
найгіршому – мінімальне (що дорівнює 0) значення функції корисності. Крім
того, функція корисності частинного критерію повинна дозволяти
реалізувати як лінійні, так і нелінійні залежності корисності від абсолютного
значення чинника.
Всім перерахованим вимогам відповідає функція локальної корисності
вигляду

i
 k i ( x) − k i− 
p i (k i ( x)) =  +  , (1.15)
 k −k−
 i i 

де k i ( x) – значення частинного критерію;

k i+ , k i− – відповідно найкраще і найгірше значення частинного
критерію k i ( x) , яких він набуває на області припустимих рішень x X.
Розглянемо основні типові ситуації прийняття рішень у залежності від
ступеня визначеності в формі подання інформації про значення вагових
коефіцієнтів a i , i = 1, 2, ..., n .
Ситуація 1. Відомі точні кількісні значення вагових коефіцієнтів a i
частинних критеріїв k i ( x) , а, отже, їхніх функцій корисності pi (k i ( x)) . Тоді
природно узагальнену корисність альтернативи x X визначати як адитивну
функцію вигляду

n n
P ( x) =  a i  p i (k i ( x)) ,  a i = 1, ai [0,1] , (1.16)
i =1 i =1

а принцип оптимальності у вигляді

x 0 = arg max P( x) . (1.17)

xX

Ситуація 2. Кількісні значення вагових коефіцієнтів невідомі, але ОПР

має інформацію, що дозволяє ранжирувати частинні критерії за важливістю:

k1( x) k 2 ( x) k n ( x) .

Зазначена ситуація є менш інформативною в порівнянні з випадком,

коли є кількісна інформація про значення вагових коефіцієнтів a i ,
i = 1, 2, ..., n . У даному випадку завдання переваг частинних критеріїв
11
k1 k 2 k n означає, що a1  a 2   a n , тобто відома інформація про
співвідношення вагових коефіцієнтів a i , i = 1, 2, ..., n , але не їхні чисельні
значення.
В цьому випадку можна застосовувати схему послідовної оптимізації.
На першому кроці розв'язується така оптимізаційна задача:

X 10 = Arg max p1(k1( x)) .

xX

Якщо множина X 10 містить більш ніж одне рішення – розв'язуємо

задачу вибору еквівалентних рішень по другому за важливістю критерію з
множини X 10 та ін.
У загальному випадку

X i0 = Arg max p i (k i ( x)) , i  I n .

xX i0−1 (1.18)

Якщо вже на перших кроках оптимізації знайдено єдине рішення x i0 ,

застосовується схема поступки:

X i0+1 = arg max p i +1(k i +1( x)) ; i  I n , (1.19)

xX

за умови p i (k i ( x))  p i (k i ( x i0 )) −  p i ( k i ( x)) .

Ситуація 3. ОПР не має ні кількісної, ні якісної інформації про

коефіцієнти a i i = 1, 2, ..., n . Отже, немає підстав віддавати перевагу якомусь
критерію і є логічним використовувати схеми рівності важливості критеріїв.
У цьому випадку природно припустити, що всі a i , i = 1, 2, ..., n , дорівнюють
1
один одному, тобто a i = , i = 1, 2, ..., n . Тоді на основі (1.15) узагальнена
n
корисність альтернативи x  X дорівнює

1 n
P( x) =  pi (k i ( x)) , i = 1, 2, ..., n ,
n i =1
(1.20)

а принцип оптимальності, відповідно

12
 x 0 = arg max P( x) . (1.21)
xX

1
Відзначимо, що масштабний множник у формулі (1.20) може бути
n
опущений, оскільки він не впливає на положення екстремуму або результат
ранжирування.
Схема (1.21) є вірною тільки у випадку, коли дійсні значення вагових
коефіцієнтів критеріїв a i , i = 1, 2, ..., n , дорівнюють один одному.
У випадку, коли вагові коефіцієнти a i невідомі, необхідно
використовувати схеми максиміну

x 0 = arg max min a i  p i (k i ( x)) , (1.22)

xX i =1,2,..., n

1
за умови, що a i = , i = 1, 2, ..., n , гарантують вибір рішення, що належить
n
області компромісів і забезпечує вирівнювання значень функцій корисності,
тобто

x 0 = arg maxc min p i ( k i ( x)) . (1.23)

xX i =1,2,..., n

1.3 Опис лабораторної установки

Як лабораторна установка застосовується ЕОМ IBM-РС стандартної

комплектації під управлінням операційної системи WINDOWS.

1.4 Порядок виконання роботи

Лабораторна робота виконується в такому порядку:

Вибрати самостійно предметну галузь та варіант системи (об’єкту,
класу об’єктів), що характеризуються за множиною критеріїв (не менш трьох
критеріїв).
Сформувати та обґрунтувати вибір системи критеріїв, серед яких
мають бути критерії, що оцінюють корисні функціональні властивості рішень
 f = {k1, , k n f } та критерії, які оцінюють рівень витрат кожного з ресурсів
 c = {k1, , k nc } .
Побудувати множину альтернатив (допустимих рішень) X, яка має
містити не менш десяти елементів. Сформувати оцінки альтернатив за всіма
критеріями та представити результат у вигляді таблиці.
13
 Проаналізувати множину альтернатив X. Використовуючи алгоритм
побудови області компромісу для скінченної множини X , побудувати множини
Парето P ( X ) та Слейтера S ( X ) . Пересвідчитись у виконанні співвідношення
P( X )  S ( X ) .
Для побудованої множини альтернатив X реалізувати вибір рішення за
методами виділення основного критерію, функціонально-вартісного аналізу,
послідовної оптимізації та ідеальної точки.
Обчислити функції локальної корисності критеріїв pi (k i ( x)) для всіх
альтернатив x  X ; задаючи різні значення коефіцієнтів переваг a i , вибрати
рішення з області компромісів за формулою (1.16).
В ситуації відсутності переваг ОПР щодо важливості критеріїв, обрати
рішення за максимінною схемою (1.23).
Провести змістовний та порівняльний аналіз отриманих рішень,
зробити висновки, оформити індивідуальний звіт з роботи.

1.5 Зміст звіту

Зміст має містити:
– назву і мету роботи;
– постановку задачі;
– вихідні дані – множини критеріїв та альтернатив з оцінками за
критеріями;
– множини Парето P ( X ) та Слейтера S ( X ) ;
– результати прийняття рішень за методами виділення основного
критерію, функціонально-вартісного аналізу, послідовної оптимізації та
ідеальної точки;
– результати прийняття рішень за схемою максимальної узагальненої
корисності і за схемою максиміну;
– змістовний і порівняльний аналіз результатів, висновки з роботи.

1.6 Контрольні запитання та завдання

1. Визначте поняття множини допустимих рішень (множини

альтернатив).
2. Що таке допустиме рішення (альтернатива)?
3. Що називається критерієм?
4. Які вимоги висуваються до множини частинних критеріїв?
5. Який вигляд має множина альтернатив?
6. Що таке область згоди?
7. Що являє собою область компромісів?
8. Визначте поняття множин Парето P ( X ) та Слейтера S ( X ) .
9. Сформулюйте принцип головного критерію.

14
10. Викладіть основні положення функціонально-вартісного аналізу.
11. Що таке схема компромісу?
12. Що таке функція корисності частинних критеріїв?
13. Які схеми компромісу Ви знаєте?
14. Чим визначається вибір схеми компромісів?
15. Що таке компромісне рішення?

15
 2 ПРИЙНЯТТЯ РІШЕНЬ В УМОВАХ НЕВИЗНАЧЕНОСТІ
2.1 Мета роботи
Набуття практичних навичок прийняття рішень в умовах
невизначеності за наявності та відсутності інформації про ймовірності станів.
2.2 Методичні вказівки з організації самостійної роботи студентів
При підготовці до виконання лабораторної роботи розглянути основні
прийоми, що використовуються при прийнятті рішень в умовах
невизначеності. З цією метою може буде використаний лекційний матеріал з
відповідних тем, викладений у рекомендованій літературі [3, с. 76-103; 4,
с. 57-75; 6, с. 62-78].
2.3 Опис лабораторної установки
Як лабораторна установка застосовується ЕОМ IBM-РС стандартної
комплектації під управлінням операційної системи WINDOWS.
2.4 Порядок виконання роботи
Фірма збирається придбати пакет акцій одного із чотирьох підприємств
– П1 , П2 , П3 , П4 . Прибуток, що одержить фірма від покупки акцій, не може
бути точно відомим заздалегідь, тому що він залежить від того, як буде
змінюватися вартість цих акцій. Можливі величини прибутку фірми від
покупки акцій підприємств (у млн. грошових одиниць) наведені в табл. 2.1.,
де n означає номер прізвища студента в списку групи. Величини в таблиці
означають наступне (за умови n=1). Якщо фірма придбає пакет акцій
підприємства П1 , і їхня вартість буде зростати, то прибуток фірми складе 12
млн. грошових одиниць. Якщо вартість акцій підприємства П1 буде
залишатися стабільною, то прибуток фірми складе 14 млн. грошових
одиниць. У випадку зниження вартості акцій фірма понесе збиток у розмірі
36 млн. грошових одиниць.

Таблиця 2.1 – Значення прибутку від покупки акцій

Пакет Зміна вартості акцій
акцій Зростання Стабільний Зниження
стан
П1 12n 7(n+1) -9(n+3)
П2 7(n+3) 5n -4(n+2)
П3 9(n+1) 3(n+2) -5n
П4 10n 6(2n-1) -8n

16
 Відповідно до наявних експертних оцінок, можливі чотири сценарії
розвитку економічної ситуації (чотири результати) – S1 , S2 , S3 , S4 :
– S1 : вартість акцій підприємств П1 і П2 залишається стабільною,
вартість акцій підприємства П3 знижується, П4 росте;
– S2 : вартість акцій підприємств П1 та П4 знижується, П3
залишається стабільною, П2 росте;
– S3 : вартість акцій підприємства П1 росте, П2 та П4 залишається
стабільною, П3 знижується;
– S4 : вартість акцій підприємств П1 та П4 знижується, П2
залишається стабільною, П3 росте.
Потрібно визначити, який пакет акцій варто придбати фірмі, щоб
дістати максимальний прибуток. При цьому виконати такі дії.

1. Вибрати індивідуальний варіант вихідних даних до роботи згідно з

номером n прізвища студента у списку групи (табл. 2.1) – імовірності
сценаріїв (табл. 2.2). Сформувати індивідуальну матрицю виграшів
(табл. 2.3).
2. Для випадку, коли відомі імовірності сценаріїв, знайти рішення,
використовуючи критерії максимального математичного сподівання,
мінімальної дисперсії, «очікуване значення - дисперсія», граничного рівня,
найбільш імовірного наслідку, мінімуму середнього ризику та Ходжа-
Лемана.
3. Засобами однієї з алгоритмічних мов запрограмувати алгоритм
вибору оптимального рішення в умовах невизначеності, використовуючи
критерії Лапласа, Вальда, Севіджа, Гурвіца.
4.Застосовуючи складену програму, знайти оптимальні рішення за
всіма обраними критеріями. Результати помістити в таблицю.
5.Порівняти результати для всіх критеріїв. Зробити висновки,
оформити індивідуальний звіт по роботі.

2.5 Варіанти індивідуальних завдань

Таблиця 2.2 – Варіанти ймовірностей сценаріїв

1 0,2 0,4 0,3 0,1
2 0,3 0,2 0,4 0,1
3 0,1 0,1 0,5 0,3
4 0,2 0,3 0,1 0,4
5 0,1 0,1 0,2 0,6
6 0,6 0,1 0,25 0
7 0,2 0,1 0,2 0,4
8 0,2 0,1 0,1 0,6

17
Продовження табл.2.2
9 0,4 0,4 0,05 0,15
10 0,2 0,3 0,3 0,2
11 0,1 0,2 0,3 0,35
12 0,2 0,3 0,15 0,3
13 0,4 0,1 0,2 0,2
14 0,1 0,2 0,25 0,35
15 0,3 0,1 0,05 0,45
16 0,4 0,2 0,1 0,3
17 0,2 0,3 0,15 0,25
18 0,1 0,3 0,1 0,4
19 0,4 0,2 0,1 0,3
20 0,1 0,1 0,45 0,35
21 0,1 0,2 0,45 0,25
22 0,6 0,0 0,15 0,2
23 0,1 0,2 0,1 0,6
24 0,2 0,3 0,3 0,15
25 0,3 0,5 0,1 0,15
26 0,1 0,1 0,05 0,7
27 0,2 0,2 0,2 0,4
28 0,2 0,3 0,05 0,35
29 0,1 0,2 0,04 0,66
30 0,3 0,2 0,05 0,4

Таблиця 2.3 – Матриця виграшів

Придбаний Сценарій
пакет акцій S1 S2 S3 S4
П1
П2
П3
П4

2.6 Зміст звіту

Звіт з лабораторної роботи повинен складатися з таких частин:

– титульний аркуш;
– мета роботи;
– вихідні дані – матриця виграшів, матриця ризиків;
– схеми прийняття рішень для всіх випадків, що розглянуті у роботі;
– результати – оптимальні рішення для всіх випадків;
– аналіз результатів та висновки по роботі.
18
 2.7 Контрольні запитання та завдання

1. В чому полягає задача прийняття рішень в умовах невизначеності?

2. Опишіть алгоритм прийняття рішень в умовах невизначеності при
відомих ймовірностях станів зовнішнього середовища.
3. В чому особливості прийняття рішень в умовах застосування різних
критеріїв?
4. Що являє собою ризик при прийнятті рішень в умовах
невизначеності?
5. Як визначити оптимальне рішення особи, що приймає рішення, на
основі матриці ризиків?
6. В чому полягає задача прийняття рішень в умовах невизначеності?
7. Опишіть алгоритм прийняття рішень в умовах невизначеності при
відомих ймовірностях станів зовнішнього середовища.
8. В чому особливості прийняття рішень в умовах застосування різних
критеріїв?
9. Що являє собою ризик при прийнятті рішень в умовах
невизначеності?
10. Як визначити оптимальне рішення особи, що приймає рішення, на
основі матриці ризиків?

19
 3 ПРИЙНЯТТЯ РІШЕНЬ НА ОСНОВІ МОДЕЛЕЙ ТЕОРІЇ ІГОР

3.1 Мета роботи

Побудова та аналіз ігрових моделей задач прийняття рішень.

Застосування методів лінійного програмування та наближених методів для
розв’язання задач теорії ігор.

3.2 Методичні вказівки з організації самостійної роботи студентів

При підготовці до виконання лабораторної роботи необхідно

ознайомитися з рекомендованою літературою [1, с. 104-127; 4 с. 77-101; 7,
с. 173-194; 8, с. 16-81], а також з розділами лекційного матеріалу, які
стосуються елементів теорії ігор, ігрових моделей прийняття рішень та
розв’язання відповідних задач.

3.3 Опис лабораторної установки

Як лабораторна установка застосовується ЕОМ IBM-РС стандартної
комплектації під управлінням операційної системи WINDOWS.

3.4 Порядок виконання роботи

Під час виконання лабораторної роботи необхідно здійснити розв’язок

ігор 2  m (або n  2 ) та ігор n  m . Для цього потрібно виконати такі дії.
Розв’язання ігор 2  m або n  2
1. Вибрати варіант індивідуального завдання згідно з номером студента
у списку групи (таблиця 3.1) – платіжну матрицю гри 2  m або n  2 .
2. Визначити наявність сідлової точки, тобто можливість розв'язання
гри в чистих стратегіях. Якщо нижня ціна гри  не дорівнює верхній ціні гри
, то здійснюється пошук рішення в змішаних стратегіях:
– здійснюємо спрощення матричної гри шляхом виключення
дублюючих і домінованих стратегій. Якщо спрощена гра має співвідношення
не 2  2 , то переходимо до наступного етапу;
– будуємо графічне зображення гри та визначаємо дві активні стратегії
гравця, що мав у вихідній задачі число стратегій більше двох;
– аналітично розв’язуємо матричну гру 2  2 .
3. Проаналізувати отриманий розв’язок гри, зробити висновки та
оформити індивідуальний звіт.

Розв’язання ігор n  m
1. Вибрати варіант індивідуального завдання згідно з номером студента
у списку групи (таблиця 3.2) – платіжну матрицю гри.

20
 2. Якщо платіжна матриця гри має сідлову точку, знайти її та
представити рішення гри у чистих стратегіях. При відсутності сідлової точки
у платіжній матриці шукати рішення гри у змішаних стратегіях такими двома
способами:
а) аналітичне розв’язання матричних ігор (приведення до задачі
лінійного програмування)
– побудувати модель лінійного програмування для роз’язання гри;
– використовуючи пакет програм, який реалізує математичні
обчислення, знайти рішення задачі лінійного програмування;
– одержати рішення гри – вектори змішаних стратегій гравців та ціну
гри.
б) наближене розв’язання матричних ігор (ітеративний метод Брауна-
Робінсона)
– засобами однієї з алгоритмічних мов запрограмувати алгоритм
методу Брауна-Робінсона)
– одержати рішення гри – вектори змішаних стратегій гравців та ціну
гри.
3. Проаналізувати отримані розв’язки гри, порівняти результати,
зробити висновки та оформити індивідуальний звіт.

3.5 Варіанти індивідуальних завдань

Таблиця 3.1 – Матриці платежів для гри 2  m або n  2

Варіант Матриця платежів Варіант Матриця платежів
8 1 7 -4 -8 -7 -3
1 2
3 0 7 -5 -9 -8 -4
5 1 3 6 13 19 25 19 15 16 18
3 4
7 8 2 19 25 19 18 16 12 13 15
3 3 4 5 0,4 0,5 1
5 6
5 4 3 3 1 0,5 0,3
1 2 3 11 8 12 1
7 8
4 3 0 -7 -1 -8 2
10 -4 6 14 0 2 -6 10 -14 18
9 10
0 10 4 4 12 -4 8 -12 16 -20
3 7 -1 11 -5 9 -5 7 1 -3
11 12
6 2 10 -4 14 -10 4 -8 -6 2
24 0 18 21 7 9 0
13 14
9 18 9 3 6 0 10
-1 8 7 6 3 1 2 2 3 -1
15 16
9 0 1 2 5 7 4 3 2 6
21
 Продовження табл. 3.1
1 3 -3 -9
17 18
5 7 -15 -21
9 11 -27 -33
2 10 11 3
19 20
4 8 9 7
6 6 10 5
8 4 7 11
10 2 8 9
-1 5 0 8
21 22
-3 1 2 6
0 -3 4 4
-3 0 6 2
1 -3 8 0
5 -1
1 3 5 9
23 24
1 4 5 7
2 1 7 5
-1 5 -1 13
2 4 -2 8 3 8 12
25 26
3 6 5 -5 6 10 14
1 2 -2 10
27 28
5 6 -6 2
-7 9 0 -6
-4 -3 -6 0
2 1 1 1
2 -6
10 -2
1 3 30 4 8
29
5 7 4 6
9 11 6 4
-2 12

22
 Таблиця 3.2 – Матриці платежів для гри n  m
Варіант Матриця платежів Варіант Матриця платежів
1 2 −5 3 5 −2 3 1
1 −1 4 7 2 2 −6 4 −1 2
5 −1 1 9 1 1 −5 −1
3 1 6 −2 4 6 10 − 7
2 6 5 −1 2 − 4 2 −1
3 3 −2 1 4 4 −6 7 9 3
− 6 10 − 2 1 5 3 − 2 −1
3 1 −2 5 4 −6 5 2
3 −1 2 4 7 −8 9 −5
5 6 10 − 3 2 6 −4 2 1 3
−5 1 7 −6 5 9 − 10 4
−5 1 7 −6 11 3 2 −5
10 1 −2 −5 −5 1 −2 −3
7 −4 3 2 1 8 6 −8 4 9
2 −5 7 9 1 3 5 −7
3 1 −4 2 10 8 − 2 4
2 −9 8 −6 4 − 7 10 11
9 −4 3 −7 2 10 −2 5 −3 1
5 −1 2 5 6 − 3 1 −1
−2 6 8 11 5 2 −4 8
5 −2 4 − 10 − 4 − 3 10 7
11 11 3 −2 6 12 2 5 −7 9
−5 4 12 8 4 1 10 − 6
2 1 −1 5 −5 2 1 2
−9 7 6 −2 2 − 10 − 6 4
13 13 11 − 5 3 14 4 7 2 −5
6 −4 3 2 −9 −4 3 1
5 1 −1 4 7 1 −9 5
6 9 −2 −7 4 9 − 8 − 10
15 −1 3 2 5 16 1 −4 2 5
6 −2 −3 1 −3 2 −5 4
5 8 − 12 10 −9 −7 4 1
9 −3 2 −6 2 −3 1 5
17 4 11 − 12 4 18 − 4 8 11 −9
−2 7 6 9 5 6 −8 4
4 −5 3 2 3 −1 2 4

23
 Продовження табл. 3.2
5 9 − 10 3 11 − 14 12 −5
19 −2 1 6 11 20 − 9 − 10 11 8
4 −7 8 5 6 3 −7 1
3 −2 1 −9 12 5 6 − 10
4 − 19 8 − 11 5 − 10 15 20
21 −6 2 −5 1 22 − 9 12 − 14 16
13 − 17 8 −5 8 −2 6 −4
6 9 2 −8 10 3 −2 1
9 19 − 4 − 7 −2 4 −2 1
23 −3 −4 2 −5 24 9 − 7 6 − 12
11 7 − 8 3 3 11 − 4 3
6 −7 2 9 8 −7 5 2
9 −2 4 − 14 2 10 − 2 − 5
25 − 3 5 − 12 9 26 −3 1 6 12
19 21 − 5 −7 − 8 − 10 4 6
6 14 − 9 −1 2 −5 4 −5
6 − 10 12 17 5 − 10 2 14
27 4 3 −2 8 28 −3 6 9 11
−5 −9 3 11 4 12 −7 −3
4 −2 7 2 5 6 − 3 11
10 − 12 6 − 17 19 15 − 11 12
29 −5 8 13 14 30 −9 10 16 − 18
9 11 −6 −3 13 − 19 11 5
−1 2 5 12 6 9 −8 14

3.6 Зміст звіту

Звіт з лабораторної роботи повинен містити такі розділи:

– титульний аркуш;
– мета роботи;
– варіанти індивідуальних завдань;
– результат пошуку сідлових точок платіжних матриць ігор 2  m (або
n  2 ) та n  m ;
Якщо платіжна матриця гри немає сідловок точки, то:
а) для гри « 2  m » (« n  2 ») надаємо спрощену платіжну матрицю (за
рахунок виключення дублюючих і домінованих стратегій); графічне
зображення гри та визначенні дві активні стратегії гравця; аналітичний
розв’язок матричної гри, яка попередньо перетворена до гри « 2  2 »;
б) для гри « n  m » надаємо побудовану модель лінійного програмування
для розв’язання гри; результати розв’язання задачі лінійного програмування

24
засобами пакету програм; результати розв’язання задачі, використовуючи
метод Брауна-Робінсона; вектори змішаних стратегій гравців та ціну гри;
– результати аналізу та висновки по роботі.

3.7 Контрольні запитання та завдання

1. Чим характеризуються задачі прийняття рішень в умовах активної

взаємодії ОПР і зовнішнього середовища?
2. Визначте основні поняття теорії ігор – гра, партія, стратегія, хід.
3. Наведіть основні класифікації ігор.
4. Дайте визначення матричної гри.
5. Викладіть спосіб розв’язання ігор із сідловими точками.
6. Сформулюйте основну теорему теорії матричних ігор.
7. Яку інтерпретацію мають змішані стратегії гравців та ціна гри?
8. Опишіть спосіб побудування моделі лінійного програмування для
розв’язання гри.
9. Опишіть особливості методу Брауна-Робінсона.
10. Опишіть спосіб розв’язку ігор, які задані матрицями « 2  m »
(« n  2 »).

25
 ПЕРЕЛІК ПОСИЛАНЬ

1. ДСТУ 3008–95. Документація. Звіти у сфері науки і техніки. Структура і

правила оформлення. – Державний стандарт України, 1995. – 36 с.
2. Методичні вказівки щодо структури, змісту та оформлення навчально-
методичної літератури / Упоряд.: П.С. Ковтун, І.О. Мілютченко, Б.П.
Косіковська. – Харків: ХНУРЕ, 2002. – 60 с.
3. Наконечний О.Г., Гребеннік І.В., Романова Т.Є., Тевяшев А.Д. Методи
прийняття рішень: навч.посібник. – Харків: ХНУРЕ, 2016. – 132 с.
4. Гребеннік І.В., Романова Т.Є., Тевяшев А.Д., Яськов Г.М. Методи
підтримки прийняття рішень: навч.посібник. – Харків: ХНУРЕ, 2010. – 128 с.
5. Петров Э.Г., Брынза Н.А., Колесник Л.В., Писклакова О.А. Методы и
моделы принятия решений в условиях многокритериальности и
неопределенности. – Херсон: Гринь Д.С., 2014. – 192 с.
6. Петров Е.Г., Новожилова М.В., Гребеннік І.В. Методи і засоби
прийняття рішень у соціально-економічних системах: навч. посібник. –К.:
Техніка, 2004. – 256 с.
7. Вентцель Е.С. Исследование операций: задачи, принципы,
методология. – М.: Наука, 1988. – 208 с.
8. Василевич Л.Ф. Теория игр: учеб. пособие. – К.:КИИМ, 2000. – 148 с.

26
 МЕТОДИЧНІ ВКАЗІВКИ
до лабораторного практикуму з дисципліни

«ТЕОРІЯ ПРИЙНЯТТЯ РІШЕНЬ»

для студентів спеціальності

122– "Комп'ютерні науки"

Упорядник ГРЕБЕННІК Ігор Валерійович

КОЛЕСНИК Людмила Володимирівна
УРНЯЄВА Інна Анатоліївна

Відповідальний випусковий І.В. Гребеннік

Авторська редакція

27