Принятие многокритериальных решений при интервальной неопределенности оценок

Заключение

Процесс принятия решений занимает главное место в теории управления. Поэтому наука управления стремится повысить эффективность организаций путем расширения способностей руководства к принятию обоснованных объективных решений в ситуациях различной сложности, с помощью применения моделей и количественных методов.
Моделирование представляет собой процесс осуществления различных вариантов принятия управленческих решений в будущем, а также их возможные последствия. Использование моделей является основой научного подхода, с помощью которого принимаются управленческие решения. С использованием моделей могут быть решены разнообразные трудности, связанные с возможностью выбора правильного действия в сложных ситуациях.
Моделирование – это процесс изучения свойств объектов сквозь рассмо ...

Введение 3
1. Теоретические аспекты изучения принятие многокритериальных решений 5
1.1. Принятие решений на основании сравнения альтернатив по критериям 5
1.2. Моделирование принятия решений в экономике 7
1.3. Эффективность экономико-математических моделей принятия решений 10
2. Особенности многокритериальных решений при интервальной неопределенности оценок на примере сферы ЖКХ 12
2.1. Роль сферы ЖКХ 12
2.2. Принятие решений в условиях неопределенности: общий подход 14
2.3. Подход к принятию оптимальных решений 16
2.4. Подходы к измерению риска и эффективности решений, принимаемых в условиях неопределенности 18
Заключение 22
Список литературы 25


 

Введение

Актуальность выбранной темы обуславливается тем, что в настоящее время на этапе успешного осуществления деятельности каждой организации управленческое решение во многих случаях принимается в условиях неопределенности, когда невозможно оценить вероятность потенциальных результатов. Следовательно, моделирование необходимо для построения моделей или системы моделей исследуемого объекта для его последующего изучения, что позволит уточнить свойства и характеристики изучаемого явления. Следует начать с того, что модель представляет собой имитацию одного ряда свойств объекта с помощью некоторых иных предметов и явлений.
Развитие методов многокритериальной оптимизации сложных систем обусловлено необходимостью повышения эффективности их функционирования на основе обобщения и развития при нципа межкритериального компромисса, качественно, но лучше количественно отражающего обоснованную значимость каждого критерия с отдельной из оценочных позиций, например: инженерно-технической, экономической, экологической, социальной и других. В динамично изменяющихся условиях функционирования, эффективные исследования современных систем невозможны без учета фактора времени на основе анализа нестационарных моделей.
Таким образом, цель данной курсовой работы – рассмотреть принятие многокритериальных решений при интервальной неопределенности оценок.
Для достижения данной цели были поставлены следующие задачи:
1. Рассмотреть теоретические аспекты изучения принятие многокритериальных решений;
2. Охарактеризовать особенности многокритериальных решений при интервальной неопределенности оценок на примере сферы ЖКХ.
Теоретическая значимость. Вопросам исследования качества управленческих решений посвящены труды следующих авторов: Мингалева Ж.А., Фролова Н.В., Мкртчян Г. М., Костылев А.О., Скопина Л. В., Мостова В.Д., Хрусталёв Е.Ю., Хрусталёв О.Е., Цыганов В.В., Бочкарева Ю., Линкевич В.А., Горшкова Л.А., Поплавский Б.Н., Верещагина Л.C.
В работе были использованы такие экономические приемы и методы, как монографический метод, группировка и обобщение данных, метод сравнения, метод аналогий и метод систематизаций.
Курсовая работа состоит из введения, 2 глав, заключении и списка использованной литературы.


 

Часто предлагается в таких случаях использовать субъективную вероятность. Это, однако не только увеличивает субъективную составляющую в составе исходной (и, соответственно, выходной) информации, но и вынуждает решать нелегкие проблемы согласования приписываемой данным событиям вероятностей с вероятностной картиной смежного с исследуемой сферой мира. Стоит отметить также, что и сам выбор между стохастическими и иными моделями при отражении присущей реальному миру неопределенности носит неизбежно субъективный характер [3]. В итоге процесс и результат построения практически любой математической модели конкретного экономического объекта, даже построенная на базе общепризнанной экономической теории, содержит значительную долю субъективных решений. Качество экономико-математических моделей Первое направление связано с расширением арсенала инструментально-математических средств моделирования: выводом и обоснованием новых функциональных форм моделей и критериев оценивания параметров, новых принципов проверки их адекватности. Это является предпосылкой уменьшения инструментальной части используемой информации, образно говоря, вывода из «теневой сферы» в сферу явно обсуждаемой экономической теории, политики или практики ряда проектных решений и действий, предпринимаемых в ходе моделирования [5]. Развитие экономико-математического моделирования как самостоятельной дисциплины призвано уменьшить долю субъективной или инструментальной (неявно закладываемой в модель) информации. Изучение результативности работы различных консалтинговых организаций в России, а также личный опыт автора данной статьи и его коллег в области стратегического консалтинга на различных уровнях управления говорит о том что предлагаемые консультантами рекомендации только тогда релевантны актуальным для объекта консалтинга проблемам, когда консультантом преодолен некоторый порог понимания объекта. Достижение этого порога связано не просто с изучением балансов, отчетности или других данных, но с проникновением в суть изучаемых проблем. Рано или поздно наступает момент, когда консультант собственным сердцем начинает понимать «душу» предприятия, его глубинные особенности и возможности [6]. Наконец, третье направление определяется необходимостью разработки принципиально новых способов использования в модели многообразной, разномасштабной и разнокачественной исходной информации об изучаемом объекте. К сожалению, здесь есть много препятствий. Некоторые из них носят инструментальный характер; так, традиционные технологии моделирования ориентированы обычно на учет количественной статистической информации, и слабо позволяют учесть косвенную, качественную информацию, поступающую из различных источников [5]. Другие связаны с разнородностью и разной степенью достоверности исходной информации.2. Особенности многокритериальных решений при интервальной неопределенности оценок на примере сферы ЖКХ2.1. Роль сферы ЖКХСфера жилищно-коммунального хозяйства (ЖКХ) является одной из крупнейших в российской экономике. По данным Министерства строительства и жилищно-коммунального хозяйства Российской Федерации, ежегодный оборот финансовых ресурсов в сфере ЖКХ составляет порядка 4 трлн. рублей, что равнозначно 7% ВВП страны. На эту сферу приходится порядка 26% доли всех основных фондов экономики России [1]. Вместе с тем, их физический износ в настоящее время находится на уровне 60%, что недопустимо с точки зрения нормальной эксплуатации разного рода объектов жилищного и коммунального назначения, поскольку создает потенциально высокую вероятность возникновения техногенных аварий, масштабы которых прогнозировать практически невозможно в силу отраслевой специфики большей части объектов сферы ЖКХ (электрические и тепловые сети, водопроводы и водозаборы, станции технической очистки, напорные коллекторы, разноплановая структура жилищного фонда и т.д. [2]).Управление объектами сферы ЖКХ осуществляют экономические субъекты более 20 отраслей российской экономики. Естественно, что в процессе производственно-хозяйственной деятельности экономических субъектов проявляются специфические отраслевые особенности каждого из них, которые связаны, прежде всего, с объемом и функциональным состоянием основных фондов, разнообразием направлений их деятельности, а также инвестиционной привлекательности конкретной отрасли. Совокупность указанных особенностей проявляется в различной направленности производственно-хозяйственной деятельности экономических субъектов и их финансовой заинтересованности в ее результатах. Безусловно, каждый экономический субъект, представляя собой финансовый институт той или иной отрасли, а проще, являясь ее институциональным агентом, заинтересован в повышении своей финансовой устойчивости и получении прибыли. Однако, его интересы часто противоречат или даже вступают в конфликт с интересами институциональных агентов других отраслей в процессе осуществления ими взаимодействий, направленных на производство жилищно-коммунальных услуг (ЖКУ) и их предоставление потенциальным потребителям. При этом возникает необходимость учета в производственно-хозяйственной деятельности каждого институционального агента сферы ЖКХ комплекса факторов неопределенности, в условиях воздействия которых они принимают те или иные экономические решения. Эффективное функционирование сферы жилищно-коммунального хозяйства в России в современных условиях невозможно без коренного реформирования взаимодействий ее институциональных агентов и ускоренной модернизации ее инфраструктуры. Реализация указанных преобразований в этой сфере должна основываться на максимальном учете экономических, финансовых и других интересов ее институциональных агентов как производителей жилищно-коммунальных услуг, а также собственников жилья как непосредственных потребителей этих услуг. Для этого целесообразно разработать и внедрить на практике экономико-математические модели, позволяющие институциональным агентам сферы жилищно-коммунального хозяйства принимать оптимальные решения в условиях неопределенности и стимулировать их к повышению качества производимых ими услуг. Вместе с тем, такие модели должны обеспечивать минимизацию рисков и максимизацию эффективности производственно-хозяйственной деятельности институциональных агентов сферы жилищно-коммунального хозяйства. 2.2. Принятие решений в условиях неопределенности: общий подходПри стандартном подходе неопределенность принятия решений институциональными агентами сферы ЖКХ рассматривается с позиций выбора оптимального решения. Известно, что для решения подобного типа задач существует достаточно много методов и подходов, позволяющих находить оптимальные решения в условиях детерминированной или вероятностной неопределенности. Чаще всего в условиях детерминированной неопределенности для нахождения оптимальных решений институциональными агентами сферы ЖКХ используется принцип получения гарантированного результата, позволяющий минимизировать возможные потери, связанные с влиянием факторов неопределенности. В случае стохастической неопределенности институциональным агентам сферы ЖКХ целесообразно использовать один из индикаторов предпочтения, либо в форме усредненной функции полезности, либо в форме более сложного нелинейного функционала [3]. В этом случае искомым решением будет максимальное значение выбранного индикатора. Как видим, в обоих рассмотренных случаях результатом выбора оптимального решения институциональным агентом сферы ЖКХ будет число, характеризующее расчетное значение того или иного индикатора предпочтения. Поэтому у нас есть имеются все основания для того, чтобы считать это расчетное значение эффективностью принимаемого институциональным агентом сферы ЖКХ решения.В общем виде для принимаемого институциональным агентом сферы ЖКХ решения индикатор предпочтения на множестве вероятностных распределений выраженный через функцию полезности можно выразить следующей формулой:S(F) =                                                                                      (1)где    g(q) – функция полезности [4, С.71].Таким образом, в качестве индикатора предпочтения на множестве вероятностных распределений вполне может быть принято среднее значение функции полезности [5, С.138].Выбор в качестве индикатора предпочтения (1) среднего значения функции полезности не случаен, поскольку он обладает важным свойством, а именно: для любых двух чисел α≥0, β≥0,α+β=1 всегда будет иметь место равенство следующего вида:S(αF + βG) = αS(F) + βS(G).                                                                    (2)Практическая интерпретация этого выражения для институционального агента сферы ЖКХ будет следующей. Если он выбирает с вероятностью α вариант получения оптимального решения, а, следовательно, некоторого дохода, с распределением F и с вероятностью β вариант получения оптимального решения, а, следовательно, некоторого дохода с распределением G, то окончательное оптимальное решение для этого институционального агента сферы ЖКХ, а, следовательно, распределение некоторого дохода будет равно «смеси» распределений (αF + βG) [6].Приведенные выше обоснования под эффективностью принимаемого решение предполагают то расчетное значение индикатора предпочтения, в соответствии с которым институциональный агент сферы ЖКХ делает выбор и принимает оптимальное решение. В случае вероятностной неопределенности при использовании функции средней полезности в качестве индикатора предпочтения вида (1), можно утверждать, что эффективностью этого решения может считаться его ожидаемая полезность [7]. Данное утверждение особенно наглядно при принятии решений о реализации финансовых или инвестиционных проектов, что является характерной особенностью сферы ЖКХ. При этом понятие некоторого дохода следует трактовать в расширенном смысле, имея в виду не только его величину, но и полезность для институционального агента сферы ЖКХ.2.3. Подход к принятию оптимальных решенийОднако, выбор и принятие институциональным агентом сферы ЖКХ оптимального решения кроме его эффективности характеризуется еще как минимум одной величиной – качеством принятого решения. Его значение в условиях наличия неопределенности зависит не только от среднего значения критерия качества, но и от разброса возможных значений этого показателя на некотором множестве. Именно величина разброса показывает, насколько сильно влияет на качество решения воздействие факторов неопределенности [8, С.84; 9, С.62]. В зависимости от того, какой оказалась практическая реализация влияния факторов неопределенности, в случае принятия институциональным агентом сферы ЖКХ оптимального решения он может получить не один результат, а некоторое множество результатов. В том случае, когда размер этого множества оказывается небольшим, то выбирая решение либо на основании принципа гарантированного результата, либо на основании усреднения функции полезности, институциональный агент сферы ЖКХ может быть уверен, что возможные потери, связанные с влиянием факторов неопределенности, окажутся тоже небольшими.Выявленные выше обстоятельства делают целесообразным введение ряда определений, которые будут востребованы в ходе дальнейших исследований, а именно:1) риск – возможность наступления негативных последствий в результате принятого решения, которые связаны с влиянием факторов неопределенности;2) степень риска – количественная оценка риска.Экономическую сущность данных определений раскроем при помощи следующего примера. Допустим, что институциональный агент сферы ЖКХ принимает оптимальное решение на основании максимизации функции средней полезности и решает задачу следующего вида:S(u) =                                                         (3)где   q(u,y) – вектор критериев, определяемый в зависимости от решения u и комплекса случайных факторов неопределенности y;g(q) – функция полезности, при помощи которой институциональный агент сферы ЖКХ определяет свои интересы и предпочтения на множестве значений векторного критерия;F – распределение комплекса случайных факторов неопределенности y.Далее предположим, что u* — искомое решение задачи (3). Тогда его полезность, то есть величина g(q(u*,y)) будет случайной и ее распределения могут отклоняться от среднего значения S(u*) в ту или другую сторону. Будет естественным предположить, что при отклонении в меньшую сторону у институционального агента сферы ЖКХ возникнут потери или недополучение им ожидаемого дохода. Очевидно, что величина этих потерь будет тем больше, чем более вероятными окажутся эти отклонения. В таком случае возникает риск появления негативных последствий, связанных с влиянием факторов неопределенности [10].2.4. Подходы к измерению риска и эффективности решений, принимаемых в условиях неопределенностиДля измерения количественной величины риска могут использоваться разные подходы. Исходя из экономической сущности понятия риска, его количественную величину следует измерять одной из характеристик полученного разброса результатов решения. Известно, что для случайных величин в качестве такой характеристики может быть выбрана дисперсия.