1 Вопросы для госэкзамена по курсу «Теория игр и исследования операций» 1. Многокритериальные задачи. Модели исследования операций (40), которые содержат не одну, а несколько характеристик, значение которых желательно максимизировать или максимировать, являются достаточно распространенными, особенно при реализации сложных проектов. При этом данные характеристики, как правило, противоречат друг другу, как например, время отклика и стоимость системы, так что найти вариант, добавляющий оптимальные значения сразу по всем характеристикам невозможно. В результате возникает неопределенность целей, для преодоления которой существует несколько способов. Итак, в общем виде модель ИО со многими целевыми функциями можно записать в виде: i 1, m max fi(x) (1) x где Х – допустимое множество, fi : X - целевые функции. Основные способы преодоления возникающие неопределенности следующие. (а) Свертка критериев. Этот переход состоит в выборе чисел (весов) i 0 i 1, m , m =1 и замене задачи i 1 (1) на задачу с одним критерием. max F x x X i (2) m где F x i f i x . Достоинствами этого подхода являются чрезвычайная простота и i 1 возможность сохранения полезных свойств функции f i , таких как выпуклость и дифференцируемость, в функции F. Недостатком же этого подхода является трудность назначения весов i , поскольку целевые функции f i могут быть совершенно разнородными. (b) Контрольные показатели. Здесь предлагается для каждого критерия f i (x) определить контрольный показатель, или пороговое значение i , так чтобы у выбранного варианта x значения критериев были бы не хуже i . В результате вместо (1) получаем вполне определенную задачу нахождения элемента из множества X x X / f i i i 1, m , которое, однако, может быть пустым. Тогда необходимо использовать процедурные адаптации с целью подбора величин i , обеспечивающих совместность. Вариантом этого подхода является выбор одного критерия, скажем, f k x , в качестве оптимизируемого, и оставление для остальных контрольных показателей. В итоге получаем задачу оптимизации max f k x 2 при ограничениях x X и f i x i i 1, m , i k . Иначе, можно заменить (1) на задачу (2), где F x min f i x / i , i 1, m обеспечивая таким образом равномерное улучшение значение критериев по отношению к их пороговым значениям. (с) Метрика в пространстве критериев. Этот подход состоит в определение точки, ближайших по расстоянию до идеального решения в пространстве критериев. А именно, если решить каждую задачу в (1), то получим оптимальное значение f i * для каждой i й задачи. После этого можно сформировать функцию расстояния в пространстве критериев 1 2 2 m d ( x) i f i x f i * , i 1 где i 0 - веса критериев (обычное расстояние соответствует выбору i 1 для i 1, m ). Теперь можно определить решение задачи min d x x X в качестве обобщенного решения задачи (1). (d) Оптимизация по Парето. Все предыдущие подходы предусматривали сведение задачи (1) со многими критериями к задачи со скалярным критерием. Однако можно непосредственно определить понятие решения для задачи (1), используя отношения предпочтения в пространстве критериев. Одно из наиболее известных бинарных отношений было предложено В. Парето. Для двух векторов a, b R m считаем, что a p b (а лучше чем b в смысле Парето), если ai bi для i 1, m и a b . Определим вектор функцию f ( x),..., f m ( x) и тогда можно определить задачу: Найти x * X : x X , f ( x) p f x * . (3) Множество решений задачи (3) обозначим X *p . Нахождение решений задачи (3) с m F ( x) i f i ( x) , i 0, i 1 m i 1 i 1 есть точка из X *p . Таким образом, перебирая веса i , удовлетворяющие условиям m i 0, i 1, m; i 1 ; i 1 * p получаем аппроксимацию всего множества X . (е) Последовательная оптимизация. Другой подход к определению понятия решения векторной задачи состоит в использование лексикографического отношения предпочтения. Для векторов a, b R m считаем, что a lex b (а не хуже лексикографически, чем b), если найдется номер K n такой, что a k bi для i 1, i 1 либо a b . 3 В качестве решения предлагается брать решение задачи: x * X , f ( x * ) lex f ( x) x X . (4) * * X m* , где Множество решений задачи обозначим X lex . Можно показать, что X lex X k* x * X k*1 / f ( x * ) f ( x * )x X k*1 (5). для R 1, m , X X . Итак, решение задачи лексикографической оптимизации (4) можно найти, находя решения скалярных задач оптимизации последовательно на множестве решений * предыдущей. Ясно, что множество X lex содержится в X *p и что решение (4) может составлять единственную точку. Для расширения множества решений Е.С. Вентцель предложила метод последовательных уступок, который состоит в приближенном решении задач в (5). А именно, определяются допуски i 0 для каждого критерия, x X / f (~ x ) f , где полагаем X X , X ~ * 0 k 0 f k 1 inf f ( x) для 1, m xX k 1 и определяем X m как множество решений. k 4 2. Матричные игры. Матричную игру можно определить как игру двух лиц (игроков), в которой игроки имеют конечные множества стратегий и противоположные интересы. Без ограничения общности можно считать, что первый игрок имеет m стратегий, а второй n стратегий. Выбор первым игроком i й стратегий, а вторым j й стратегий определяет ситуацию (i,j), в которой выигрыш первого игрока и одновременно проигрыш второго есть число a ij . Таким образом, чтобы задать матричную игру, достаточно задать матрицу выигрышей A ( aij ) размером mxn . Если следовать принципу гарантированного результата, то оптимальной для первого игрока будет стратегия i * такая, что V1 min ai* j max min aij . i 1, 4 i 1,m j 1, n Аналогично, оптимальной для второго игрока гарантированного результата будет стратегия j * такая, что V2 max aij* min max aij . i 1,m j 1, 4 i 1,m стратегий в смысле Однако при этом ситуация i * , j * не обязательно будет ситуацией равновесия, т.е. соотношения aij* ai* j* ai* j i 1, m; j 1,4 (1) необязательно выполняются. Гарантировать выполнение условий (1) можно только в том случае, если игра имеет значение V, т.е. V1 V2 . Заметим, что в общем случае из определений следует только соотношение V1 V2 и, как нетрудно показать, во многих случаях возможна ситуация V1 V2 . Для обеспечения существования значения игры используется так называемое смешанное расширение игры. Для смешанной игры множества стратегий игроков есть n m X x Rm / xi 1 и Y y Rn / y j 1 i 1 j 1 - множество вероятностей векторов на множестве первоначальных (чистых) стратегий, функция выигрыша первого игрока m n H ( x, y) ai ; xi y j i 1 j 1 есть математическое ожидание выигрыша в ситуации, когда первый игрок выбирает стратегию x ( x1 ,..., xm ) , а второй y ( y1 ,..., yn ) . Проигрыш второго игрока в этой же ситуации равен выигрышу первого. Если первый игрок выбирает в качестве стратегий i й координатный вектор ei(m ) в R m , а второй j й координатный вектор ei(n ) в R 4 , т.е. чистые i ю и j ю стратегию соответственно, то выигрыш первого игрока есть H (ei( m) , e (jn) aij это соответствует его выигрышу в исходной игре. Итак, игра в смешанных стратегиях содержит игру в чистых стратегиях. При этом, как утверждает теорема фон Неймана о минимаксе, такая игра всегда имеет значение, т.е. ~ ~ ~ V1 V2 V , ~ где V1 max min H ( x, y ) . Поэтому смешанные стратегии x * и y * , оптимальные в смысле xX yY гарантированного результата, образуют ситуацию равновесия: 5 x X , y Y . H ( x, y * ) H ( x * , y * ) H ( x * , y) В общем случае найти решение матричной игры можно сведением ее к паре двойственных задач линейного программирования. Предварительно можно сократить размерность задачи, исключая доминируемые чистые стратегии. В том случае, когда один из игроков имеет не более двух чистых стратегий, решение может быть найдено графически, а в случае m=n=2 – находится явным образом. 6 3. Кооперативные игры. В кооперативных играх, в отличие от бескоалиционных, игроки могут вступать в коалиции, увеличивая тем самым суммарный выигрыш. Если в игре участвуют и игроков, то для задания кооперативной игры необходимо определить для любого подмножества ISN={1,…,n} число V (I ) - значение характеристической функции игры, равное гарантированному совместному выигрышу игроков, номера которых входят в множество I, т.е. при это все оставшиеся игроки из N/I могут действовать против них. Обычно функция V имеет следующие свойства: V ( I1 I 2 ) V ( I1 ) V ( I 2 ) I1 I 2 Ø. V (Ø)=0, Отсюда следует, V ( N ) V (i) , iN при этом равенство показывает на невыгодность вступление игроков в коалиции, и игра называется не существенной. В существенной игре V ( N ) V (i ) и основным iN вопросом является оптимальное распределение выигрыша. Возможные варианты распределения называются дележами, а именно, вектор x ( x1 ,..., xu ) называется дележом, если (а) xi V (i) i N , (b) x iI i V (I ) . Для определения наилучшего дележа вводят отношение предпочтения на множестве дележей. Говорят, что дележ x доминирует дележу по коалиции I (что записывается x I y ), если (а) xi yi i N , (b) x iI i V (I ) . Из определения следует, что доминирование невозможно ни по коалиции, состоящей из всех n игроков. Далее, говорят, что дележ x доминирует дележ y (что записывается x y ), если ISN : x I y . В качестве решения можно принять дележ, недоминируемый никаким другим дележом. Таким образом, в качестве множества решений предлагается выбрать множество A x * R n / x * - дележ и дележа y x. Для определения оптимальных дележей можно использовать следующее условие оптимальности: x A xi V ( I ) ISN . iI В результате поиск оптимального дележа сводится к задаче решения системы линейных неравенств.