MODELOWANIE MATEMATYCZNE
Transkrypt
MODELOWANIE MATEMATYCZNE
Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego MODELOWANIE MATEMATYCZNE proces, którego rezultatem, w wyniku przeprowadzenia pewnych badań poznawczych, jest model matematyczny ustalonego obiektu rzeczywistego, uwzględniający problem z nim związany i cele modelowania. (działania poznawcze) są BADANIA POZNAWCZE postępowaniem charakterystycznym dla analizy systemowej oraz badań operacyjnych, i obejmują: obserwację obiektu rzeczywistego, konceptualizację (wybór istotnych cech obiektu), idealizację (określenie związków między głównymi z istotnych cech obiektu), konkretyzację (określenie związku między istotnymi cechami obiektu rozszerzonymi o cechy uboczne), weryfikację (logiczne i empiryczne sprawdzenie związków między istotnymi cechami obiektu), preparację (podjęcie działań praktycznych prowadzących do zaspokojenia konkretnych potrzeb społecznych). MODEL a) „taki dający się pomyśleć lub materialnie zrealizować układ, który odzwierciedlając lub odtwarzając przedmiot badania, zdolny jest go zastępować tak, że jego badanie dostarcza nam nowej informacji o tym przedmiocie” (W. Staff w „Modelowanie i filozofia”) b) „reprezentacja badanego zjawiska w postaci innej niż postać, w jakiej występuje ono w rzeczywistości” (W. Findeisen i J. Gutenbaum w „Analiza systemowa”) 1 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego OBIEKT RZECZYWISTY fragment rzeczywistości, którym zainteresowany jest człowiek w konkretnej sytuacji. BADANIA OPERACYJNE – „badanie procesów zamierzonych (operacji) i wypracowanie, opierając się na metodach matematycznych, wniosków i zaleceń umożliwiających podejmowanie optymalnych decyzji dotyczących organizacji i kierowania tymi procesami...: („Leksykon wiedzy wojskowej”) ANALIZA SYSTEMOWA – „formalne i jawne badanie wspomagające działanie osób odpowiedzialnych za decyzje lub linię postępowania w określonej sytuacji charakteryzującej się niepewnością, polegające na rozpoznaniu i rozważeniu dostępnych wariantów oraz porównaniu ich przewidywanych następstw.” ETAPY BADANIA OPERACYJNEGO: 1. określenie obiektu rzeczywistego i sformułowanie problemu z nim związanego, 2. określenie potrzeby modelowania formalnego (matematycznego) i konkretyzacja celu modelowania, 3. budowa modelu formalnego uwzględniającego cel modelu, 4. formułowanie zadań (np. optymalizacyjnych) w języku modelu, 5. rozwiązywanie sformułowanych zadań, 6. analiza otrzymanych rozwiązań lub badanie modelu, 7. opracowanie projektu oddziaływania na obiekt rzeczywisty i ewentualny udział w jego wdrażaniu. obiekt 1 potrzeba i cel modelowania 2 model 3 zadanie 4 rozwiązanie 5 6 7 8 poprawki analiza oddziaływanie 2 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego 3 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego KONSTRUOWANIE MODELU MATEMATYCZNEGO (POSTAĆ UPROSZCZONA) M – liczba cech obiektu xm – symbol zmiennej, m = 1, M Xm – zbiór możliwych wartości zmiennej m; Zbiór cech (zmiennych) X ={ x ,X o 1 1 , K, x M , X M } Opis związków I – liczba związków; Si – symbol związku, i = 1, I ; Xi = x m i , x m i , K , x m i 1 2 Pi - zbiór określający, które cechy występują w i – tym związku; Ri ⊂ X m i × X m i × ... × X m i - relacja opisująca i – ty związek; 1 2 Pi R = { S1 , X1 , R1 ,K, S I , X I , RI o } MODEL MATEMATYCZNY postać modelu użyteczna przy analizie adekwatności modelu do rzeczywistości o ~ 1−1 o f : A → X ∪ R ~ A - zbiór nazw cech i związków; postać modelu użyteczna do analizy poprawności wewnętrznej modelu o o X,R 4 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego POSTULATY POPRAWNOŚCI MODELU istotność cech - cechy - związki cecha nieistotna istotność związków - związek związku spójność modelu model spójny zawiera się w więc jest nieistotny model niespójny niesprzeczność modelu x > y, y > z, z > x ?!!! 5 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego PRZYKŁAD: prosty model ruchu pojazdu Chcemy formalnie opisać prosty model ruchu pojazdu. Z fizyki elementarnej wiemy, że przebyta przez pojazd (1) droga jest wprost proporcjonalna do prędkości pojazdu i czasu jaki z tą prędkością się poruszał (przy założeniu ruchu jednostajnego). Z kolei (2) przyspieszenie pojazdu jest wprost proporcjonalne do prędkości z jaką się pojazd poruszał i odwrotnie proporcjonalne do czasu. Mamy więc następujące cechy modelu: symbol 1. droga przebyta przez pojazd s zbiór wartości 2. prędkość pojazdu v 3. przyspieszenie pojazdu a R + ∪ {0} R + ∪ {0} R + ∪ {0} 4. czas ruchu t R+ Związki modelu wyszczególnione są w opisie werbalnym. Mamy: X = { s,R ∪{0} , o oraz: (1) X1 = v, s, t { + ( v,R + ∪{0} , a, R + ∪{0} , t, R + ) R 1 = x, y, z ∈ R + ∪ {0} × R + : y = x ⋅ z 2 } } (2) X 2 = a, v, t ( ) 2 R 2 = x, y, z ∈ R + ∪ {0} × R + : x = y z Stąd: R = { z _ 1, X , R o 1 gdzie: 1 , z _ 2, X 2 , R 2 } z_1– symbol związku (1), z_2–symbol związku (2). 6 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego KLASYFIKACJA MODELI MATEMATYCZNYCH o Zbiór cech X możemy rozbić na trzy podzbiory cech: o X = X I ∪ X II ∪ Decydent ma wpływ Decydent zna wartości X III III Decydent nie zna wart. X I ∩ X II = X II ∩ X III = ∅ III III = X dec ∪ X los ∪ X III roz Wpływają inni decydenci X Zmienne losowe o znanych rozkładach ∪ X Zmienne rozmyte o znanej „rozmytości” III nz Zmienne nieznane model BADAWCZY (bez decyzji) III X I ∪ X dec =∅ • deterministyczny: II III X los ∪ X III roz ∪ X nz = ∅ III III X III ∪ X = ∅ ∧ X roz nz los ≠ ∅ III ∪ X III = ∅ ∧ X nz roz ≠ ∅ • probabilistyczny: • rozmyty: III X los • w warunkach nieokreśloności: • mieszany III III X los ∪ X III roz = ∅ ∧ X nz ≠ ∅ model STRATEGICZNY (co najmniej dwie strony podejmują decyzje) III X I ∩ X dec ≠∅ • deterministyczny, probabilistyczny, rozmyty, w warunkach nieokreśloności, mieszany (j/w) model OPTYMALIZACYJNY (jedna strona podejmuje decyzje) III X I ≠ ∅ ∧ X dec =∅ • deterministyczny, probabilistyczny, rozmyty, w warunkach nieokreśloności, mieszany (j/w) 7 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego MODEL OPTYMALIZACYJNY można zapisać jako: X ; X ∪X I I I X dec ∪ X wsk ∪ inne Zbiór zmiennych decyzyjnych II III los ∪X III roz ∪X ; III nz o R Xdane – zbiór danych Zbiór wskaźników (stopnia osiągnięcia celu) MODEL OPTYMALIZACYJNY W POSTACI DOGODNEJ DO SFORMUŁOWANIA ZADANIA OPTYMALIZACYJNEGO a, x, y , A, {Ω(a )}a∈A , {W (a, x )}ax∈∈ΩA (a ) , {E a }a∈A gdzie: a, x, y – listy: danych, zmiennych decyzyjnych i wskaźników; A ≠ Ø – zbiór dopuszczalnych zestawów wartości danych; Ω(a) – zbiór dopuszczalnych zestawów wartości zmiennych decyzyjnych przy zestawie wartości danych a∈A; W(a,x) – zbiór możliwych zestawów wartości wskaźników przy zestawie wartości zmiennych decyzyjnych x ∈ Ω(a), a∈A; Ea – funkcja logiczna opisująca osiągnięcie celu głównego: E a : Y(a ) → {0,1} 1 Ea (y) = 0 - jeżeli przy możliwym zestawie wartości wskaźników y cel został osiągnięty; - w przeciwnym przypadku. gdzie: Y(a ) = {y ∈ W(a, x ) : x ∈ Ω(a )} 8 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego SFORMUŁOWANIE ZADANIA OPTYMALIZACYJNEGO Dla danych a∈A wyznaczyć x*∈Ω(a) tak, aby ∧ ( ) y∈W a, x * E a (y ) = 1 PRZYKŁAD: model optymalizacyjny + zadanie optymalizacji Niech a = 〈a1, a2〉 A = {〈a1, a2〉 ∈ R × R : a1 = 1 ∧ a2 = 2} Ω(a) = {x∈ R : a1≤ x≤ a2}={x∈ R : 1≤ x≤ 2} W(a,x) = {y∈ R : y=-x2+3 } { } Y(a ) = {y ∈ W(a, x ) : x ∈ Ω(a )} = y = − x 2 + 3 : 1 ≤ x ≤ 2 (E a ( y ) = 1) ⇔ y = max − x 2 + 3 1≤ x≤2 f< x> 5 4 3 2 y(x*) Ω(a) 1 x* 1 -1 -1 x 2 3 3- x^2 4 5 Rozwiązanie zadania optymalizacyjnego dla powyższego modelu jest równe x*=1 a wartość funkcji y dla x* jest równa y(x*)=2. Gdyby pominąć warunek x*∈Ω(a) wówczas rozwiązaniem byłoby x*=0 i odpowiadające mu y(x*)=3, ale wówczas zaproponowalibyśmy podjęcie decyzji niedopuszczalnej (bo x = 0 ∉ Ω(a))!!!!! 9 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego Zadanie optymalizacyjne sformułowane poprzednio (w ramce) jest postacią ogólną formułowania zadania optymalizacyjnego. Najczęściej mamy do czynienia z sytuacją, gdy: zbiór W(a,x) dla wszystkich a∈A i x∈Ω(a) jest jednoelementowy, a jego elementem jest liczba y; cel główny zostanie osiągnięty, gdy decyzji odpowiadać będzie ekstremalna wartość wskaźnika. W takich przypadkach zadanie optymalizacyjne formułujemy następująco: Dla danych: a∈A wyznaczyć: x*∈Ω(a) (lub krócej x*∈Ω) tak, aby: f (a, x * ) = extr f (a, x ) x∈Ω(a ) gdzie: ( ) f a, x * = (tu występuje określenie funkcji f, tzw. funkcji celu). symbol extr oznacza jeden z symboli: sup, inf, min, max PRZYKŁAD: (nawiązanie do przykładu poprzedniego) Zadanie optymalizacyjne dla przykładu poprzedniego możemy sformułować następująco: dla danych: a = 〈a1, a2〉 ∈ A wyznaczyć: x*∈Ω(a) = [1,2] tak, aby: ( ) f a, x* = max x∈Ω( a ) =[ 1, 2] f (a, x ) 2 gdzie f (a, x ) = − x + 3 . 10 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego PRZYKŁAD MODELU MATEMATYCZNEGO DLA PROBLEMU PRAKTYCZNEGO 1) Werbalny opis problemu Pewien zakład produkuje dwa typy wyrobów: typ A i typ B. Na wyprodukowanie wyrobu typu A potrzeba mA jednostek materiału a na wyprodukowanie wyrobu typu B potrzeba mB jednostek materiału. Zakład ma w magazynie M jednostek materiału. Czas potrzebny na wyprodukowanie wyrobu typu A oszacowano na tA jednostek czasu a wyrobu typu B - na tB jednostek czasu. Łączny czas jaki zakład może przeznaczyć na produkcję wynosi T jednostek czasu. Dział marketingu oszacował również, że popyt na wyrób typu A wyniesie nie więcej niż pA jednostek natomiast na wyrób typu B - nie mniej niż pB jednostek. Cenę jednostkową sprzedaży dla wyrobu A oszacowano na cA natomiast jednostki wyrobu B - na cB. Ponadto koszty produkcji jednostki wyrobu typu A wynoszą kA natomiast jednostki wyrobu typu B - k B. Zbudować model matematyczny do rozpatrywanego zagadnienia oraz sformułować na jego podstawie zadanie optymalizacyjne wyznaczenia ilości produkowanych wyrobów obu typów tak, aby przewidywany zysk zakładu był jak największy. 2) Cechy wyodrębnione w modelu mA - ilość materiału potrzebna na wyprodukowanie wyrobu typu A; mB - ilość materiału potrzebna na wyprodukowanie wyrobu typu B; M - zapas materiału znajdujący się w magazynach zakładu; tA - ilość czasu potrzebna na wyprodukowanie wyrobu typu A; tB - ilość czasu potrzebna na wyprodukowanie wyrobu typu B; T - ilość czasu jaką zakład może przeznaczyć na produkcję; pA - górna granica zapotrzebowania na wyrób typu A; pB - dolna granica zapotrzebowania na wyrób typu B; cA - cena sprzedaży wyrobu typu A; cB - cena sprzedaży wyrobu typu B; kA - koszt produkcji wyrobu typu A; kB - koszt produkcji wyrobu typu B; x1 - zmienna decyzyjna liczby produkowanych wyrobów typu A; x2 - zmienna decyzyjna liczby produkowanych wyrobów typu B; y - zysk zakładu odpowiadający produkcji określonej ilości wyrobów typu A i B; 11 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego 3) Zakres zmienności cech y∈R - zysk zakładu (ujemny interpretujemy jako straty); x1, x2∈N; mA , mB , M, tA , tB , T , pA , pB , cA , cB , kA , kB ∈ R+ 4) Wyodrębnienie związków • mAx1 + mBx2 <= M łączna ilość materiału potrzebna na wyprodukowanie x1 sztuk wyrobu A oraz x2 sztuk wyrobu typu B nie może być większa niż zapas materiału M w magazynie ; • tAx1 + tBx2 <= T suma ilości czasu potrzebnego na wyprodukowanie x1 sztuk wyrobu A i x2 sztuk wyrobu B nie może być większa niż łączny zasób czasu T jaki zakład może przeznaczyć na produkcję (przy założeniu, że w danej chwili może być produkowany tylko jeden wyrób); lub • max {tAx1, tBx2} <= T czas potrzebny na wyprodukowanie x1 sztuk wyrobu A i x2 sztuk wyrobu B nie może być większy niż łączny zasób czasu T jaki zakład może przeznaczyć na produkcję (przy założeniu, że oba wyroby mogą być produkowane jednocześnie); • x1 <= pA ilość sztuk wyprodukowanych wyrobów typu A nie może być większa niż szacowane zapotrzebowanie na nie na rynku pA; • x2 >= pB ilość sztuk wyprodukowanych wyrobów typu B nie może być mniejsza niż szacowane zapotrzebowanie na nie na rynku pB ; • y = (cA-kA)x1 + (cB-kB)x2 zysk zakładu z wyprodukowania x1 sztuk wyrobu typu A i x2 sztuk wyrobu typu B; 12 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego 5) Analiza poprawności modelu a) istotność cech Każda z wybranych cech występuje w przynajmniej jednym związku; b) istotność związków Żaden związek nie wynika jednoznacznie z innego, dlatego wszystkie związki są istotne (w praktyce ten postulat jesteśmy w stanie sprawdzić dopiero wtedy, gdy znamy konkretne wartości parametrów z listy danych a); c) spójność modelu Wszystkie wyróżnione cechy łączą się ze sobą pośrednio lub bezpośrednio, np. cecha x1 łączy się w sposób bezpośredni z cechami mA, tA, pA, cA, kA i pośrednio z pozostałymi cechami. d) niesprzeczność modelu Nie występują związki, z których analizy można by dojść do sprzecznych wniosków (w praktyce ten postulat jesteśmy w stanie sprawdzić dopiero wtedy, gdy znamy konkretne wartości parametrów z listy danych a). 6) Klasyfikacja cech Xdane={mA , mB , M, tA , tB , T , pA , pB , cA , cB , kA , kB}- dane znane ; I X dec = {x1 , x2 } - zmienne decyzyjne; I X wsk = {y} - wskaźnik; Lista danych : a = m A , m B , M, t A , t B , T , p A , p B , c A , c B , k A , k B 12 A = { m A , m B , M, t A , t B , T , p A , p B , c A , c B , k A , k B ∈ R+ } 13 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego Lista zmiennych decyzyjnych : x = x1 , x2 Zbiór rozwiązań dopuszczalnych : x1 , x 2 ∈ N × N : m A x1 + m B x 2 ≤ M t A x1 + t B x 2 ≤ T Ω (a ) = ≤ pA x1 x2 ≥ p B Wskaźnik (lista wskaźników jest jednoelementowa): W ( a, x ) ={f(a,x)=y∈R : y = (cA-kA)x1 + (cB-kB)x2} Y(a ) = {y = (cA − k A ) x1 + (cB − k B ) x2 : x ∈ Ω(a)} Funkcja oceny osiągnięcia celu (może być, ale nie musi w tak formułow. zad.) 1 Ea ( y ) = 0 , gdy y = max f(a, x) x∈Ω (a ) , w przeciwnym przypadku 7) Zadanie optymalizacyjne Dla danego a ∈ A wyznaczyć x* ∈ Ω (a) tak, aby : f (a,x*) = max f (a,x) x∈Ω(a) gdzie : f (a,x) = (cA-kA)x1 + (cB-kB)x2 14 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego PROBLEMY DOTYCZĄCE KONSTRUOWANIA MODELI OPTYMALIZACYJNYCH zapewnienie istnienia x* dla każdego a, zbiór W(a, x) może być wieloelementowy, element zbioru W(a, x) może nie być liczbą (a np. zmienną losową, wektorem, zbiorem itp.), duża złożoność obliczeniowa skonstruowanego zadania optymalizacyjnego, inne. METODY OPISU FUNKCJI OSIĄGNIĘCIA CELU Założenie: W(a, x) – jednoelementowy w ∈ W(a, x) Przypadki możliwych rodzajów w ∈ W(a, x): liczba, wektor, zmienna losowa, zbiór rozmyty, zbiór liczbowy, inne. ∗ Przypadek, gdy w ∈ W(a, x) jest liczbą: 1 gdy w = max Y(a ) Ea (w) = 0 w p.p. 15 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego ∗ Przypadek, gdy w ∈ W(a, x) jest wektorem: I. pełne przedstawienie skutków (tabele porównań), II. optymalizacja wielokryterialna, III. funkcja „ważona”, IV. wartości dopuszczalne, V. porządek leksykograficzny (nadawanie kryteriom priorytetów), VI. synteza logiczna, VII. uogólniona synteza logiczna. Ad. II. (optymalizacja wielokryterialna) Stosowanie tzw. rozwiązań dominujących, niezdominowanych i kompromisowych. y2 y2 A y* (punkt idealny) Y B y1 Zadanie: max y 1 oraz max y 2 Y y1 y* = y1* , y2* ∈ Y y* ∉ Y AB -zbiór wyników niezdominowanych, bo (~ z∈∃Y : y* (wynik dominuj¹cy) ∀ zn ≥ yn ), n =1,2 Zadanie: max y 1 oraz max y 2 - wynik dominujący * y ∀ ∀ ≥ zn n bo z∈Y n=1,2 y = y1 , y2 ∈ A, B 16 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego Ad. III. (funkcja „ważona”,) S w=∑ j =1 Wj ⋅ λj gdzie: Wj – j – ta składowa wektora W; λj – „waga” j – tej składowej wektora W; S – liczba składowych wektora W; Ad. IV. (kryterium wartości dopuszczalnych) 1 gdy W j ≥ W j0 , j = 1, S w= 0 w p.p. gdzie: W j0 - pewna ustalona krytyczna wartość j – tej składowej wektora W. Ad. V. (porządek leksykograficzny) W przypadku zadania: max y 1 oraz max y 2 * − y jest rozwiązaniem zadania przy kolejności priorytetów dla kryteriów „najpierw y1, później y2”; − y** jest rozwiązaniem zadania przy kolejności priorytetów dla kryteriów „najpierw y2, później y1”; y2 y** y* Y y1 Ad. VI. (synteza logiczna) S a) w = ∏ Wj c) w=1-Wj j =1 S b) w = 1 − ∏ j =1 (1 − W ) j d) mieszane 17 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego Ad. VII. (uogólniona synteza logiczna) w = min λ j ⋅W j j = 1, S λ j ⋅W j w = max j = 1, S w = −W j mieszane 18 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego ∗ Przypadek, gdy w ∈ W(a, x) jest zmienną losową: wartość oczekiwana [ ] 1 gdy E W = max E[W ] W ∈ Y a Ea W = 0 w p.p. ( ) f1(x) E1 0 W1 f2(x) E2 W2 Wykres gęstości rozkładu prawdopodobieństwa dla dwóch zmiennych losowych W1 i W2 Zgodnie z kryterium maksymalizacji wartości oczekiwanej wybierzemy zmienną losową W1, bo jej wartość oczekiwana E1 jest większa niż wartość oczekiwana E2 dla W2, ale: • z prawdopodobieństwem 0 zmienna losowa W1 przyjmuje wartość z dość dużego otoczenia swojej wartości oczekiwanej E1; • efekty decyzji z jednakowym prawdopodobieństwem będą albo bardzo korzystne albo bardzo niekorzystne dla W1; kwantyle (Pr {W < wp} = p) 19 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego 1 gdy W p = max w p W ∈ Y a Ea W = 0 w p.p. ( ) wariancja [ ] 1 gdy D 2 W = min D 2 [W ] W ∈ Y a Ea = 0 inne charakterystyki (np. synteza wartości oczekiwanej i wariancji) 20 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego ∗ Przypadek, gdy w ∈ W(a, x) jest zbiorem rozmytym: Podejście wg Bellmana, Zadeha o o o ( ) , a , A Ω Y (a ) – nierozmyte zbiory wartości danych, zmiennych decyzyjnych i wskaźników; Ω(a ), Y(a ) – rozmyte zbiory wartości zmiennych decyzyjnych i wskaźników; Mechanizm realizacji decyzji nierozmytej: o o ha ; Ω (a ) → Y (a ) Wskaźnik liczbowy (funkcja przynależności do przecięcia zbiorów rozmytych zmiennych decyzyjnych i wskaźników): µ (x *) = max min{g a ( x ), f a (h( x ))} → max o x∈Ω ( a ) gdzie: ga, fa - funkcje przynależności elementów do zbiorów Ω(a), Y(a). PRZYKŁAD: Spośród mało licznych grup pracowników chcemy wybrać grupę dużej wydajności. o Nr grupy Liczność Wydajność ha 1 2 3 4 1 3 2 5 30 15 12 7 o Ω (a ) = {1,2,3,4}, Y (a ) = {7,12,15,30} Niech zbiór rozmyty liczności grup” ma postać: „małych 9 1 1 1 / 1, 2 / 1, 3 / , 4 / , 5 / 10 2 7 a zbiór rozmyty „dużych wydajności”: 1 1 7 / 10 , 12 / 0 , 15 / , 30 / . 8 3 x 1 2 3 4 Przypadek, Stąd rozmyty gdy zbiór W ∈dopuszczalnych W(a, x) jest ga (x) 1 9/10 1 1/7 zbiorem decyzji liczbowym: jest następujący: ha (x) 30 15 12 7 9 1 1 / 1 , 2 / , 3 / 1 , 4 / fa (ha (x)) 1/3 1/8 0 0 10 7 µ(x) 1/3 1/8 0 0 max = 1/3. Odpowiada to decyzji nr 1 21 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego ∗ Przypadek, gdy w ∈ W(a, x) jest zbiorem liczbowym: kryterium pesymisty (Walda): 1 gdy max min W (a, x ) x∈Ω ( a ) Ea W = 0 w p.p. ( ) Decyzja: nie uczyć się bo: max {min{10,-10}; min{-5,0}} = = max{-10, -5}= -5 odpowiada decyzji nr 2 sytuacja nie zapyta decyzja zapyta 1. uczyć się 10 -10 2. nie uczyć -5 0 się kryterium optymisty: 1 gdy max W = max max W (a, x ) x ∈ Ω a Ea W = 0 w p.p. ( ) Decyzja: uczyć się, bo: max {max{10, -10} , max{-5, 0}} = max {10, 0} = 10 odpowiada decyzji nr 1 kryterium Hurwicza: α – współczynnik optymizmu 1 gdy α max W + (1 − α ) min W = E a W = = max [α max W (a, x ) + (1 − α ) min W (a, x )] x∈Ω(a ) 0 w p.p. ( ) Można pokazać, że dla danych z powyższej tabeli: 1 3 nie uczyć się < α qr = < uczyć się 22 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego kryterium żalu (Savage’a) w ( x, a, b ) sytuacja dane wskaźnik decyzja Rozumowanie decydenta: Gdybym znał b, to podjąłbym decyzję x*, taką że: ( ) w x * , a, b = max w( x, a, b ) x ∈ Ω( a ) ale ponieważ nie znałem b i podjąłem decyzję x, więc mój „żal” z tego powodu wynosi: w s ( x, a, b ) = w x * , a, b − w( x, a, b ) s Dla w stosuje się kryterium pesymisty. -10 10 10 0 -5 0 15 0 Ponieważ interesuje nas to, aby żal był jak najmniejszy, więc naszą decyzją będzie decyzja nr 1, tzn. uczyć się, bo max {0, 10} < max {15, 0}. 23 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego PRZYKŁAD Podejmujemy decyzję, czy iść do kina, teatru, czy muzeum. Możemy trafić na dobry film lub spektakl, albo też słaby. Nie wiemy tylko, czy muzeum jest otwarte. Muzeum otwarte dobry słaby Film 20 4 Spektakl 13 10 Wystawa 12 12 max 20 12 Muzeum zamknięte dobry słaby Film 20 4 Spektakl 13 10 Wystawa 0 0 max 20 10 „Żal” odpowiadający tabelki: 0 7 20 6 0 10 powyższym sytuacjom max Jeżeli muzeum jest zamknięte, 6 to idziemy do kina, w p.p. – do teatru ?!!!! 7 20 przedstawiają 0 7 8 8 2 0 max 8 7 8 24 Modelowanie matematyczne dr inż. Zbigniew Tarapata Wykład nr 1: Zasady modelowania matematycznego MODELE SYMULACYJNE „pozwalają na drodze opisów matematycznych „naśladować” zachowanie się obiektu obserwowanego z punktu widzenia określonego problemu” są to modele badawcze z czasem, w którym zbiór zmiennych X (tzw. opisowych) dzieli się na 3 rozłączne podzbiory: • zmiennych wejściowych (ich wartości są ustalone niezależnie od zachowania się obiektu rzeczywistego); Xwe; • zmiennych stanu (ich wartości opisują wybrane cechy obiektu zmieniające się w czasie); Xst, Xwy; • podzbiór jednoelementowy opisujący czas: o X = X we ∪ X st ∪ { t, T } X we ∩ X st = ∅ X wy ⊂ X st Zbiory dopuszczalnych zmiennych wejściowych zmiennych wyjściowych zestawów wartości, odpowiednio: X we , zmiennych stanu X st oraz X wy , mogą być funkcjami czasu o określonymi w zbiorze R . W modelach symulacyjnych definiuje się dwie funkcje: • przejścia stanu δ, • wyjściową λ. δ : Xst × XWe ×T ×T → Xst ×T Wartość δ(x, y, t, h) jest zestawem wartości zmiennych stanu chwili t+h. λ : Xst × Xwe ×T → Xwy ×T Wartość λ(x, y, t) jest zestawem wartości zmiennych wyjściowych w chwili t. 25