Model inteligentnego agenta wspomagającego decyzje zakupu komputerów.

Slides:



Advertisements
Podobne prezentacje
Excel Narzędzia do analizy regresji
Advertisements

Wybrane zastosowania programowania liniowego
IV Tutorial z Metod Obliczeniowych
Metoda simpleks Simpleks jest uniwersalną metodą rozwiązywania zadań programowania liniowego. Jest to metoda iteracyjnego poprawiania wstępnego rozwiązania.
Wprowadzenie do optymalizacji wielokryterialnej.
Budżetowanie kapitałów
Struktura problemu decyzyjnego
Badania operacyjne. Wykład 1
Badania operacyjne. Wykład 2
Wykład no 11.
Materiały do zajęć z przedmiotu: Narzędzia i języki programowania Programowanie w języku PASCAL Część 7: Procedury i funkcje © Jan Kaczmarek.
SPRAWNOŚĆ SEKTORA PUBLICZNEGO WYKŁAD IV
Rozpoznawanie Twarzy i Systemy Biometryczne, 2005/2006
Algorytm Rochio’a.
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz,
Komputerowe wspomaganie decyzji 2010/2011Wprowadzenie – mapa pojęć Kazimierz Duzinkiewicz, dr hab. inż.Katedra Inżynierii Systemów Sterowania1 Określenie.
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
Normy praktyki zawodowej
Podstawy projektowania i grafika inżynierska
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Sieci neuronowe jednokierunkowe wielowarstwowe
Teoria wyboru konsumenta
Hipotezy statystyczne
POJĘCIE ALGORYTMU Pojęcie algorytmu Etapy rozwiązywania zadań
Etapy podejmowania decyzji
Model CAPM W celu prawidłowego wyjaśnienia zjawisk zachodzących na rynku kapitałowym, należy uwzględnić wzajemne oddziaływania na siebie inwestorów. W.
Wykład 25 Regulatory dyskretne
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Zadanie programowania liniowego PL dla ograniczeń mniejszościowych
Hipotezy statystyczne
Modelowanie i identyfikacja 2010/2011Optymalizacja miary efektywności działania sztucznych sieci neuronowych Dr hab. inż. Kazimierz Duzinkiewicz, Katedra.
Dana jest sieć dystrybucji wody w postaci: Ø      m- węzłów,
PROBLEMY DECYZYJNE KRÓTKOOKRESOWE WYBÓR OPTYMALNEJ STRUKTURY PRODUKCJI
Źródła błędów w obliczeniach numerycznych
Problem wyboru komputera dostosowanego do potrzeb klienta. Aleksandra Reiman gr. I-52.
Model inteligentnego agenta wspomagającego decyzje zakupu komputerów.
MS Excel - wspomaganie decyzji
FUNKCJE Opracował: Karol Kara.
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
VI EKSPLORACJA DANYCH Zadania eksploracji danych: klasyfikacja
Politechniki Poznańskiej
IV EKSPLORACJA DANYCH Zadania eksploracji danych: klasyfikacja
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Algorytmika.
Seminarium licencjackie Beata Kapuścińska
Metoda studium przypadku jako element XI Konkursu Wiedzy Ekonomicznej
Wnioskowanie statystyczne
Wspomaganie Decyzji IV
Zagadnienia AI wykład 5.
METODY WYODRĘBNIANIA KOSZTÓW STAŁYCH I ZMIENNYCH
Ważone indeksy w badaniu podmiotów ekonomii społecznej Marek Bożykowski
POWIĄZANIE ANALIZY WIELOKRYTERIALNEJ Z KATEGORIĄ RYZYKA ZAKŁADU I PLANOWANIEM – TABELA RYZYKA Marek Gall Wydział Inspekcji WIOŚ w Warszawie Październik.
Podstawy automatyki I Wykład 1b /2016
Zarządzanie projektami
Pojęcia podstawowe c.d. Rachunek podziałów Elementy teorii grafów
Model ekonometryczny Jacek Szanduła.
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
Szacowanie wartości rynkowej nieruchomości: podejście porównawcze
BYĆ PRZEDSIĘBIORCZYM - nauka przez praktykę Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego.
Modele nieliniowe sprowadzane do liniowych
Treść dzisiejszego wykładu l Analiza wrażliwości –zmiana wartości współczynników funkcji celu, –zmiana wartości prawych stron ograniczeń. l Podejścia do.
Struktury i algorytmy wspomagania decyzji
T 10. Metodologia Rapid Re - wprowadzenie
MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH
Co do tej pory robiliśmy:
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Wykorzystywanie wyników sprawdzianu w pracy dydaktycznej
* PROCESÓW TECHNOLOGICZNYCH
Zapis prezentacji:

Model inteligentnego agenta wspomagającego decyzje zakupu komputerów. Podejmowanie decyzji.

Sytuacja decyzyjna Sytuacją decyzyjną nazwiemy stan, w którym decydent jest zmuszony do podjęcia decyzji. Sytuacja wyboru to taka sytuacja decyzyjna, gdzie decyzja dotyczy wyboru jednej z kilku możliwych opcji działania. Dokonanie takiego wyboru wiąże się z określonymi konsekwencjami, czyli skutkami decyzji, które są szczególnie istotne w przypadku decyzji ekonomicznych.

Decyzja optymalna Sytuację decyzyjną można rozwiązać przez wybranie dowolnego wariantu ze zbioru decyzji dopuszczalnych. Takie postępowanie nie zapewnia jednak, że wybrana decyzja przyniesie decydentowi pożądane, w stosunku do określonego celu, skutki. Poszukiwanie wariantu, który przyniesie najlepsze dla decydenta efekty, nazywa się optymalizacją wyboru, a wybrany w ten sposób wariant - decyzją optymalną.

Kryteria oceny By dokonać optymalnego wyboru trzeba przeprowadzić analizę wszystkich wariantów dopuszczalnych pod względem stopnia realizacji celu przez te warianty. Cel decydenta rozbija się często na cele cząstkowe, w zależności od wymagań sytuacji decyzyjnej, których realizacja jest też realizacją części głównego celu decydenta. Cele cząstkowe dobiera się w ten sposób, by umożliwić ocenę wariantów pod względem realizacji przez nie tych celów, dlatego cele cząstkowe nazywa się też kryteriami oceny.

Funkcja celu Każdemu wariantowi zostaje w ten sposób przypisany zestaw ocen ze względu na każde z kryteriów, co w przypadku ocen wyrażonych liczbowo, umożliwia reprezentację wariantów przez wektory ocen i geometryczną interpretację większości pojęć analizy wielokryterialnej. Określa się funkcję celu, która wskazuje w jaki sposób realizacja celów cząstkowych wpływa na realizację głównego celu decydenta. Funkcja ta opisuje pożądane wartości każdego z kryteriów, określa, czy mają to być maksymalne, minimalne wartości tej cechy, czy też pewne konkretne wartości idealne.

Model decyzyjny Model decyzyjny składa się z następujących elementów: określenia problemu i celu decydenta, zbioru wariantów dopuszczalnych, kryteriów oceny decyzji i funkcji celu, ocen wariantów ze względu na dane kryteria, reguły wyboru. Pozwala on na uwzględnienie najważniejszych cech problemu i skuteczne jego rozwiązanie.

Proces podejmowania decyzji. Reguła decyzyjna (reguła wyboru) określa sposób (algorytm) wyznaczenia rozwiązania optymalnego spośród zbioru wariantów dopuszczalnych. Skonstruowanie modelu oraz wyznaczenie rozwiązania, za pomocą odpowiedniej reguły wyboru, składają się na proces podejmowania decyzji.

Warunki efektywności reguł decyzyjnych kompletność wariantów dostateczność i konfliktowość kryteriów szybkość działania procedury

Kompletność wariantów Analiza decyzyjna pozwala jedynie na wybór poli-optymalnego wariantu (tzn. nie gorszego od żadnego z pozostałych) spośród zadanego zbioru wariantów dopuszczalnych, ale nie prowadzi do wyznaczenia rozwiązania jednoznacznie najlepszego. Niezbędna jest więc znajomość wszystkich wariantów, aby wyznaczyć spośród nich warianty pareto-optymalne. Zakłada się więc, że zbiór wariantów jest kompletny.

Dostateczność kryteriów Możemy wyróżnić dwie pożądane cechy kryteriów. Z jednej strony powinno ich być jak najmniej, by proces podejmowania decyzji miał jak najprostszy i najkrótszy przebieg, a decydent mógł ogarnąć myślowo i zrozumieć wpływ wszystkich kryteriów na realizację funkcji celu. Z drugiej strony powinno być dostatecznie dużo kryteriów, by opis problemu był pełny, a każda istotna informacja dotycząca problemu znalazła się w modelu. Ze starcia tych dwóch wymagań wynikają właśnie zasady doboru kryteriów.

Konfliktowość kryteriów Konfliktowość kryteriów oznacza brak zgodności między kryteriami. Zgodność kryteriów powoduje wprowadzenie do modelu redundancji (czyli nadmiaru informacyjnego, gdy kryterium nie reprezentuje żadnej istotnej informacji, bo w modelu jest już inne kryterium podające tę informację; w efekcie parametry zgodne nie mogą być kryteriami, a te które powtarzają informację już uwzględnioną w modelu są zmiennymi redundantnymi i powinny zostać wykluczone).

Czas działania Bardziej zaawansowane metody, dające większe możliwości i zazwyczaj lepsze efekty, wymagają również przeprowadzenia wielu skomplikowanych obliczeń. Należy wybrać więc taką metodę, która daje optymalne wyniki przy zadowalającym czasie działania.

Metody analizy wielokryterialnej porównanie parami AHP – procedura analitycznej hierarchizacji dwureferencyjna procedura interaktywna metoda leksykograficzna superkryterium (ważona funkcja użyteczności) ranking Capelanda

Porównanie parami Wybór wariantu najlepiej zaspokajającego potrzeby decydenta trudne, szczególnie, że zwykle nie można precyzyjnie określić zbioru wartości funkcji użyteczności. Zastępuje się więc teoretyczną funkcję użyteczności relacją preferencji, co wymaga porównania parami wariantów. Decydentowi łatwiej jest określić który z dwóch wariantów bardziej go zadowala, niż przypisać każdemu z wariantów pewną liczbę. Decyzję podejmuje się po uporządkowaniu wariantów za pomocą relacji preferencji, co oczywiście wymaga dokonania pewnej liczby porównań (w zależności od przyjętej metody). Jeżeli wariantów jest dużo to procedury tego typu stają się bardzo czasochłonne oraz zwiększa się ryzyko podjęcia niekonsekwentnej decyzji, nie istnieje więc gwarancja uzyskania optymalnego rozwiązania za pomocą tej grupy metod.

AHP Procedura analitycznej hierarchizacji wykorzystuje wyniki porównań parami kryteriów i wariantów decyzyjnych. Porównania polegają na ocenie przez podejmującego decyzję ich ważności na umownej skali. Po zbudowaniu drzewa decyzyjnego i tablic z wynikami porównań oraz po dokonaniu obliczeń otrzymuje się uporządkowaną, zgodnie z ujawnionymi preferencjami, listę wariantów oraz współczynnik charakteryzujący stopień zgodności tych preferencji. Przy niskiej wartości tego współczynnika można przyjąć otrzymane rozwiązanie, inaczej trzeba wrócić do analizy struktury problemu i preferencji.

Dwureferencyjna procedura interaktywna Procedura dwureferencyjna polega na wyznaczeniu serii rozwiązań próbnych w modelu matematycznym wykorzystującym dwa punkty odniesienia: idealny i najgorszy wektor ocen. Metoda ta polega na przeszukiwaniu wariantów sprawnych zgodnie z kierunkiem wyznaczonym przez wspomniane dwa punkty. Wersja dyskretna metody jest przydatna w zastosowaniu do problemów wielokryterialnych o dużej, ale skończonej liczbie wariantów

Dwureferencyjna procedura interaktywna cd. Działanie metody jest następujące: po zbudowaniu modelu wyznacza się wstępne punkty odniesienia (najgorszy - ustalany zgodnie z preferencjami decydenta i idealny - wyliczany przez procedurę numeryczną) i na ich podstawie wyznaczane jest rozwiązanie próbne ze zbioru rozwiązań sprawnych. Decydent ocenia to rozwiązanie ze względu na poziom każdego z kryteriów i wyraża swoje preferencje ustalając kierunek poszukiwań nowego rozwiązania (zmienia punkt najgorszy, a także na nowo wyliczany jest punkt idealny), bądź akceptuje proponowane rozwiązanie jako ostateczny wybór. Kierunek poszukiwań jest ustalany na podstawie udzielanych przez decydenta odpowiedzi na pytanie czy wartość każdego z kryteriów dla danego wariantu ma zostać poprawiona, pozostać na tym samym poziomie, czy może ewentualnie ulec pogorszeniu. Na podstawie tej odpowiedzi ustalane są nowe pozycje punktów odniesienia i wykonywana jest kolejna iteracja procesu podejmowania decyzji, wyznaczone zostaje kolejne rozwiązanie próbne, i tak aż do zaakceptowania któregoś z nich jako ostatecznego. Określając preferencje w ten sposób należy pamiętać, że żądając poprawienia pewnych kryteriów trzeba równocześnie dopuścić pogorszenie innych.

Metoda leksykograficzna Metoda ta wymaga ustalenia hierarchii ważności kryteriów, po czym ustawia się warianty w kolejności maksymalizującej kolejno wartości tych kryteriów. Metoda ta pozwala na uzyskanie rankingu w krótkim czasie nawet bez pomocy komputera, jednak wymaga założenia bezwzględnego priorytetu kryteriów, które to założenie dyskwalifikuje tę metodę przy większości praktycznych zastosowań.

Superkryterium (ważona funkcja użyteczności) Ranking uzyskuje się przez ustawienie wariantów wg malejących wartości ważonej funkcji użyteczności (superkryterium). Funkcję taką konstruuje się jako ważoną średnią kryteriów, gdzie wagi oznaczają wpływ danego kryterium na poziom realizacji funkcji celu, albo są interpretowane jako współczynniki substytucji między kryteriami. Podstawową wadą tej metody jest bardzo duża wrażliwość wyniku na dobór wag kryteriów. W praktyce decydent nie jest w stanie uzasadnić precyzyjnego rozdziału wag, a jedynie oszacować ich przybliżone wartości, a mały błąd w tym szacunku potrafi diametralnie zmienić wynik.

Ranking Capelanda Rozwiązanie jest wyznaczane po ustawieniu wariantów wg malejącej liczby punktów rankingowych uzyskanych w trakcie wykonywania procedury. Punkt uzyskuje wariant za zdominowanie jednego z pozostałych wariantów, co ma miejsce gdy dany wariant ma od drugiego lepsze oceny ze względu na większą liczbę kryteriów. Jako główne wady tej metody wymienia się brak zróżnicowania ważności kryteriów oraz operowanie na bezwzględnych różnicach poziomów realizacji kryteriów, a także dużą liczbę wymaganych porównań.

Ranking Capelanda cd. Metodę Capelanda można zmodyfikować przez dodanie wektora wag kryteriów i wektora tolerancji. Po wprowadzeniu wag nie rozpatruje się przy porównywaniu wariantów liczby lepszych realizacji kryteriów, ale sumy wag tych kryteriów - punkt wygrywa wariant o większej sumie wag. Przy porównywaniu poziomów realizacji kryteriów dla dowolnych wariantów, uznaje się przewagę jednego z wariantów, ze względu na analizowane kryterium, nad drugim tylko wtedy, gdy różnica poziomów realizacji tych kryteriów jest większa od zadanej wektorem tolerancji wielkości.