Нечетко-множественные задачи многокритериальной оптимизации в условиях риска
Аннотация
Рассматриваютсяподходыкрешениюоптимизационнойзадачиирешениенечеткой многокритериальной задачи оптимизации в условиях риска. Для оценки рисков в нечетких условиях предлагается дополнить систему ограничений стандартной задачи принятия решений набором ограничений по возможным потерям, а именно, для избранных сценариев построить модель их последствий (ущербов) как функций управляющих параметров и накладывать экспертные ограничения по приемлемому уровню относительного ущерба для каждого сценария. Приведен механизм построения нечетко-корректных моделей, который может быть использован при решении задач параметрической идентификации, классификации, кластеризации и прогнозирования. Рассматривается процесс настройки параметров функций принадлежности в форме Гаусса, параболы, треугольника, трапеции и колоколообразной формы на основе нейронных сетей и алгоритмов пчелиного роя.
Approaches to solving the optimization problem and solving a fuzzy multicriteria optimization problem under risk conditions are considered. To assess risks in fuzzy conditions, it is proposed to supplement the system of restrictions for a standard decisionmaking task with a set of restrictions on possible losses, namely, for selected scenarios, to build a model of their consequences (damages) as functions of control parameters and to impose expert restrictions on an acceptable level of relative damage for each scenario. A mechanism for constructing fuzzy-correct models is given, which can be used in solving problems of parametric identification, classification, clustering and forecasting. The processofsettingtheparametersofthemembershipfunctionsintheformofGauss, parabola, triangle, trapezoid and bell-shaped form based on neural networks and algorithms of the bee swarm is considered.
Approaches to solving the optimization problem and solving a fuzzy multicriteria optimization problem under risk conditions are considered. To assess risks in fuzzy conditions, it is proposed to supplement the system of restrictions for a standard decisionmaking task with a set of restrictions on possible losses, namely, for selected scenarios, to build a model of their consequences (damages) as functions of control parameters and to impose expert restrictions on an acceptable level of relative damage for each scenario. A mechanism for constructing fuzzy-correct models is given, which can be used in solving problems of parametric identification, classification, clustering and forecasting. The processofsettingtheparametersofthemembershipfunctionsintheformofGauss, parabola, triangle, trapezoid and bell-shaped form based on neural networks and algorithms of the bee swarm is considered.