Cтраница 2
На рис. 2.1 представлены два семейства кривых, каждое из которых соответствует определенному способу получения информации на этапе разрешения неопределенности этого вида. В каждом семействе имеется три кривых, соответствующих разным значениям предельной начальной энтропии. Кривая / соответствует наибольшей предельной начальной энтропии, а кривая 3 - наименьшей для данного семейства кривых. [16]
Теперь необходимо количественно оценить ( вычислить стоимостную оценку) ситуации для компании при различных выборах стратегии и различных вариантах разрешения неопределенности в поведении других участников. [17]
Эти рассуждения о свойствах предельной остаточной энтропии sup З т позволяют сделать вывод, что она может служить объективной мерой качества разрешения неопределенности этой группы. Эта величина характеризует неопределенность, которую приходится разрешать человеку интуитивно-логическим путем. Действительно, чем меньше sup Эост, тем меньше интервал покрытия и тем больше вероятность Pft того, что будут названы истинные значения каждого k - то параметра описания начального состояния системы, и наоборот. [18]
Планирование случайностей может выполняться в форме гибкого ( скобочного) бюджета и модифицироваться при необходимости достижения оптимальных результатов, учета новой информации и разрешения неопределенности. [19]
По мнению данного автора5, в рамках теории принятия решений проблему оценки полезности информации удалось решить: ценность информации определяется через величину ее вклада в разрешение неопределенности выбора по Шеннону. [20]
На основании анализа особенностей CUT разработаны методы и алгоритмы улучшения сходимости: автоматическое получение начальных приближений; оптимальность в смысле сходимости, формирования фундаментальных циклов; специальные алгоритмы для разрешения неопределенности, связанной с гидравлическими регуляторами расхода и давления. [21]
Рекомендуется следующая схема процесса принятия решения. Последовательно делается несколько попыток разрешения неопределенности сначала первого вида, затем второго и третьего видов. Общее их число, достаточное для получения оценок А0, а0 и т0 с заданной надежностью, может быть получено на основе известных результатов теории аппроксимации. Набрав нужное число попыток, определяем функцию х ( т) по формуле (2.50) и затем, решая задачу (2.46), (2.47) либо задачу (2.48), (2.49), получаем необходимые рекомендации относительно дальнейшего распределения усилий на разрешение неопределенностей различного вида. [22]
Однако на практике сбор информации в количестве, обеспечивающем достижение / min, требует, как правило, больших энергетических затрат и в силу этого невозможен. В этом случае предложенная мера качества разрешения неопределенности достаточно эффективна, поскольку позволяет в пределах от / тах до / min объективно сравнивать результаты. В самом деле, если sup Эост. SUP Зост2 то второй способ разрешения неопределенности лучше, так как вероятность выявления истинного значения параметров при прочих равных условиях выше, поскольку человек, принимающий решение, имеет больше информации для интуитивно-логических рассуждений. [23]
В учебном процессе и научном исследовании поиск решения начинается с определения достаточности данных и оценки условий, необходимых для достижения поставленной цели. Все учебные и научные задачи исходят из требования нахождения неизвестного или разрешения неопределенности на основе некоторых исходных данных. Однако эти задачи могут делиться на два типа: с определенными и достаточными исходными данными и с недостаточными-отправными данными, требующими их предварительного выявления. Такое выявление данных может носить характер решения вспомогательных задач, преобразования известных положений, использования вероятностных, статистических методов и эвристических путей поиска. Все это, естественно, требует прочной и уверенной базы соответствующих знаний, навыков и умений, применения этих научных сведений и научного аппарата для проведения поиска и решения поставленных задач. [24]
Вторая глава посвящена исследованию неопределенностей, встречающихся в процессе управления сложными организационными системами. Вводится понятие энтропийной меры качества решения и развивается энергетическая концепция процесса разрешения неопределенности. Формулируется принцип последовательного разрешения неопределенности, являющийся концептуальной основой развиваемой теории. [25]
Наиболее общим из рассматриваемых принципов оптимизации является принцип максимизации суммы взвешенных критериев, поскольку из него при соответствующем задании весов at вытекают любые из перечисленных подходов. С этой точки зрения он может рассматриваться как универсальный в схеме формального подхода к разрешению неопределенности векторного критерия. [26]
Третья группа неопределенностей связана с оценками прогноза последствий стратегий и альтернатив действия из группы допустимых. Для оценки качества разрешения этого вида неопределенности также может быть применен описанный выше подход, который проиллюстрируем на примере разрешения неопределенностей прогноза последствий принятой стратегии. [27]
Применение этого принципа диктуется прежде всего содержанием процесса принятия решения. На каждом этапе этого процесса решение принимает сам человек, а результаты моделирования служат ему лишь ориентиром и количественным обоснованием для разрешения неопределенности и выбора той или иной альтернативы действий. [28]
В принятой терминологии вторая группа информации формирует область возможных значений параметров в области возможных состояний организации ( объекта управления) или области возможных решений. Неопределенность информации этой группы существенно зависит от величины заранее накопленной информации, содержащей знания о механизме и закономерностях функционирования объекта управления, а также от возможностей объективных методов разрешения неопределенности информации. [29]
Для вычисления освещенности в видимой точке необходимо знать направление и ориентацию нормального вектора к плоскости. Определение стороны весьма важно, так как при одном источнике освещения всегда выполняется следующий факт: если одна сторона плоскости освещена, то другая - в тени. Приведем один из возможных алгоритмов разрешения неопределенности, который может быть назван методом адаптивной нормали. [30]