Принятие решений в условиях неопределенности

Материал из Systems analysis wiki
Перейти к навигации Перейти к поиску

Принятие решений в условиях неопределённости — это процесс выбора наилучшего варианта при отсутствии полной информации о внешней среде, возможных последствиях и вероятностях развития событий. В таких ситуациях лицо, принимающее решение (ЛПР), не может количественно описать или предсказать вероятности наступления состояний, влияющих на результат, и вынуждено действовать на основе неполной, неточной или качественной информации.

Источники неопределённости

Неопределённость в задачах принятия решений может иметь различную природу:

  • Конфликтная (активная) неопределённость — связана с наличием других участников, преследующих собственные цели, и невозможностью предсказать их поведение. Такие ситуации моделируются с помощью теории игр​ .
  • Пассивная неопределённость (игра с природой) — обусловлена незнанием объективных внешних условий (состояний среды), не зависящих от воли ЛПР. Эти ситуации описываются в рамках теории статистических решений и часто называются играми с природой​ .
  • Семантическая (нечеткая) неопределённость — вызвана невозможностью чёткого описания ситуации, вариантов и предпочтений на естественном языке. Это включает вербальные оценки, качественные параметры и неструктурированные суждения. Соответствующие задачи изучаются с помощью нечеткой логики и теории нечетких множеств​ .
  • Информационная неопределённость — обусловлена неполнотой, неточностью или шумностью данных (ошибки измерений, субъективные оценки, отсутствие статистики)

Подходы к устранению неопределённости

Неопределённость может быть частично устранена или снижена за счёт:

  • получения дополнительной информации (наблюдения, экспертиза, тестирование);
  • перехода к вероятностной оценке (в случае возможности статистического анализа);
  • использования нечетких моделей, когда информация носит качественный или вербальный характер;
  • структуризации задачи (например, через формирование дерева решений или сценариев).

Классические критерии принятия решений при неопределённости

В ситуации неопределённости лицо, принимающее решение (ЛПР), не знает, какое из возможных состояний среды наступит. Чтобы всё же сделать выбор, используются специальные подходы — критерии, каждый из которых отражает определённый стиль мышления, степень осторожности или отношение к риску.

  • Критерий Вальда (осторожного выбора). Этот критерий подходит тем, кто стремится минимизировать возможные потери. ЛПР считает, что может произойти самый неблагоприятный исход, и из всех вариантов выбирает тот, который в худшем случае даст наилучший возможный результат. Иначе говоря, это подход максимальной осторожности: «Выберу то, что гарантированно принесёт меньше всего ущерба, даже если всё пойдёт плохо».
  • Подходит для: высокорисковых ситуаций, ответственных решений, когда ошибка недопустима.
  • Критерий Сэвиджа (сожаления о выборе). Этот подход ориентирован на избежание чувства сожаления после того, как станет ясно, что другой вариант мог бы принести больше пользы. ЛПР сравнивает, сколько он мог бы потерять, если бы ошибся в выборе, и выбирает такой вариант, при котором максимальное сожаление будет наименьшим. Подходит для: людей, склонных к самоанализу и страху «упустить лучший шанс», а также в конкурентной среде.
  • Критерий Лапласа (равного шанса). ЛПР считает, что все возможные состояния среды одинаково вероятны, поскольку нет оснований думать иначе. Тогда он выбирает тот вариант, который в среднем даёт наилучший результат. Подходит для: ситуаций с полной симметрией незнания, где все исходы считаются одинаково возможными, и отсутствуют предпочтения.
  • Критерий Гурвица (компромиссный). Это сбалансированный подход, сочетающий осторожность и стремление к лучшему исходу. ЛПР заранее определяет, насколько он склонен к оптимизму, и выбирает вариант, который с учётом этой установки даёт наилучшее сочетание возможного и гарантированного результата. Подходит для: ситуаций, где важен баланс между безопасностью и выгодой, при этом есть личная установка на риск.