Особенности применения метода анализа иерархий, его преимущества и недостатки. Современные проблемы науки и образования

Изложение алгоритма МАИ приведем, следуя и , для наглядности совместив формальное описание с примером.

2.1. Основные положения

Метод анализа иерархий является систематической процедурой для иерархического представления компонентов, определяющих суть любой проблемы . Метод состоит в декомпозиции проблемы на все более простые составляющие части и дальнейшей обработке последовательности суждений лица, принимающего решение (ЛПР), по парным сравнениям. В результате может быть выражена относительная степень взаимодействия элементов. Эти суждения затем выражаются численно. Метод анализа иерархии включает процедуры синтеза множественных суждений, выявления приоритетности критериев и нахождения альтернативных решений. Полученные таким образом значения являются оценками в шкале отношений и соответствуют некоторым численным оценкам.

Решение проблемы – это процедура поэтапного установления приоритетов. На первом этапе выявляются наиболее важные компоненты проблемы, на втором – наилучший способ проверки наблюдений, испытания и оценка альтернатив; на следующем этапе вырабатывается решение и оценивается его качество. Процесс может быть проведен также над последовательностью иерархий: в этом случае результаты, полученные в одной из них, используются в качестве входных данных при изучении следующей. Метод многокритериального отбора систематизирует процесс решения такой многоступенчатой задачи.

Основные принципы метода анализа иерархий

1. Принцип идентичности и декомпозиции . Предусматривает структурирование проблем в виде иерархии или сети.

2. Принцип сравнительный суждений (парных сравнений). Предполагает, что элементы задачи (альтернативы и критерии) сравниваются попарно с позиции их воздействия на общую характеристику.

3. Принцип синтеза приоритетов. Предполагает формирование набора локальных приоритетов, которые выражают относительное влияние множества элементов на элемент примыкающего сверху уровня.

2.2. Постановка задачи (пример)

Целью задачи является строительство аэропорта . Необходимо выбрать лучшую площадку для строительства аэропорта с точки зрения выделенных критериев. Комиссия по выбору постройки аэропорта предварительно отобрала из нескольких возможных три альтернативных варианта площадок – А1, А2, А3 . Было выявлено три основных критерия, влияющих на принятие решения о выборе площадки для строительства: 1 – стоимость строительства, 2 – время в пути от аэропорта до центра города, 3 – количество жителей, подвергающихся шумовым воздействиям. При решении задачи используется МАИ для поддержки процесса принятия решений.

2.3. Этапы маи

Этап 1. Построение иерархической структуры задачи многомерного выбора.

В общем случае простейшей трехуровневой иерархии структура имеет вид Рис.1.

Рис. 1. Обобщенна иерархическая структура проблемы

Этап 1. Структуризация.

Структуру решаемой задачи можно представить в виде иерархической структуры, показанной на Рис. 2.

Рис. 2. Иерархическая структура проблемы

Этап 2. Выполнение попарных экспертных сравнений элементов каждого уровня иерархий.

Рассмотрим элементы С 1 , С 2 , …, С n некоторого зафиксированного уровня иерархи. Мы хотим определить веса ѡ 1 , ѡ 2 , …,ѡ n влияния этих элементов на некоторый элемент вышестоящего уровня. Основным инструментом оценки влияния является матрица чисел по шкале отношений 1, …, 9 (табл. 1), представляющих суждения о парных сравнениях. Для представления приоритетов в МАИ выбран собственный вектор, принадлежащий наибольшему собственному значению указанной матрицы А . Обозначим через число (бал), соответствующее значимости (предпочтения) элементаС i по сравнению с элементом С j данного уровня иерархии по влиянию С i , С j на фиксированный элемент вышестоящего уровня (например К1 на Рис. 2):

Матрица А с содержательной точки зрения будет согласованной по оценкам при введении условия

С математической точки зрения это условие наделяет матрицу А свойством обратносимметричной матрицы. На главой диагонали матрицы А стоят 1.

Если оценки попарных сравнений известны точно, т.е. оценки основаны на экспериментальных измерениях, то

т.е. веса влияния элементов известны.

Например, если взвешиваются два предмета: С 1 =305,2 и С 2 =244,2, тогда отношение означает, что предметС 1 в 1,25 раз тяжелее предмета С 2 .

Для случая экспериментального измерения весов ѡ 1 , ѡ 2 , …,ѡ i ,…, ѡ n сравниваемых элементов на уровне иерархии согласованность считается полной , естественно, с точностью до погрешности измерительных приборов или расчетных методик. При экспертной оценке отношений (7) согласованность суждений и соответственно матрицы А будет не полной . Значит нужно разработать некоторую числовую меру отклонения согласованности матрицы А от идеальной (см. ниже формулу отношения согласованности (9)).

Теперь рассмотрим подробнее содержательный смысл требования согласованности в МАИ.

В МАИ под согласованностью суждений подразумевается не просто традиционное требование транзитивности предпочтений : если например, для индивидуума яблоки предпочтительнее апельсинов, а апельсины предпочтительнее бананов, то яблоки должны быть предпочтительнее бананов.

Схематически это можно записать так:

– знак предпочтения элемента в отношении двух элементов; ∩ – знак пересечения множеств (совместности).

В МАИ транзитивность наделяется количественными отношениями. Например, если яблоки в 2 раза предпочтительнее апельсин (по цене), а апельсины предпочтительнее бананов в 3 раза, то яблоки должны быть в 6 раз предпочтительнее бананов. Именно это автор МАИ Саати называет числовой (кардинальной) согласованностью предпочтений. Несогласованность означает отсутствие пропорциональности, которое может нарушить транзитивность.

МАИ не только показывает наличие несогласованности отдельных сравнений, но и дает численную оценку того, как сильно нарушена согласованность для всей рассматриваемой задачи.

Замечание. В простейшей версии МАИ считается, что элементы в каждой группе иерархии (называемой уровнем, кластером, стратой) независимы между собой, но все они влияют на каждый элемент другого (вышестоящего) уровня. Таким образом, общая задача многокритериального выбора сводится к задаче оценки влияния уровней иерархи (снизу-вверх либо сверху-вниз).

Теперь обратимся к расчетам для нашего примера.

Зафиксируем нижний (третий) уровень иерархи Рис. 2, содержащий элементы А1, А2, А3 альтернативных площадок для строительства аэропорта. Зафиксируем также один элемент К1 – стоимость строительства на уровне 2 иерархии.

Примечание: в МАИ можно формировать матрицу парных сравнений на основе любой шкалы отношений, применяемой для измеряемых свойств сравниваемых объектов. В этом случае экспертная оценка заменяется отношением двух соответствующих измерений. Новая шкала (собственный вектор), которая выводится из матрицы парных сравнений, содержащий оценки реальных измерений, будет эквивалентна той, которую можно получить путем нормирования соответствующих измерений.

Таблица 1

Шкала относительной важности

Матрица экспертных оценок влияния элементов А1, А2, А3 на элемент К1 второго уровня иерархии показана в таблице 2 (выделено темным цветом). В таблице 2 приведены также расчетные величины для определения максимального собственного значения и главного собственного вектораполученной матрицыА (алгоритм расчета этих величин описан в этапе 3 алгоритма в таблице 6).

Аналогично получены матрицы парных сравнений элементов А1, А2, А3 относительно критерия К2 (таблица 3) и критерия К3 (таблица 4).

Таблица 2

Матрица А С.1 парных сравнений альтернатив по первому критерию

Таблица 3

Матрица А С.2 парных сравнений альтернатив по второму критерию

Таблица 4

Матрица А С.3 парных сравнений альтернатив по третьему критерию

Аналогично строиться матрица парных сравнений для второго уровня иерархий, элементами которого являются критерии К1, К2, К3 . Эта матрица показана в таблице 5 (выделено темным цветом).

Таблица 5

Матрица А С.4 парных сравнений критериев

Этап 3 . Определение вектора приоритетов.

В качестве вектора приоритетов для каждого уровня иерархии принят нормализованный главный собственный вектор матрицы попарных сравнений. Для расчета этих векторов используется приближенный метод 4 из оценки через средние геометрические.

Собственный вектор обеспечивает упорядочение приоритетов. Чем больше i -я компонента СВ, тем больше влияние i -го элемента в комплексе всех элементов анализируемого уровня иерархии на выделенный элемент С вышестоящего уровня.

Для нижнего уровня альтернатив (площадок для строительства А1, А2, А3 ) алгоритм расчета собственного вектора, относящийся к матрице парных сравнений из таблицы 2, показан в таблице 6. В таблице 2 показан также результат расчета – нормализованный собственный вектор .

Аналогично рассчитывается нормализованные собственные векторы для матриц парных сравнений А с.2 и А с.3 из таблиц 3 и 4.

Получены оценки: ;, которые отражены в таблицах 3 и 4.

Для второго уровня иерархии, включающего критерии К1, К2 и К3 , оценка нормализованного собственного вектора, характеризующие его приоритеты этого уровня по влиянию на единственный элемент верхнего (первого) уровня, т.е. цель выбора, производится по описанному выше алгоритму. Для матрицы парных сравнений А с.4 из таблицы 5, получены данные расчета: .

Таким образом, все векторы приоритетов для второго и третьего уровней иерархии получены.

Этап 4. Определение максимальных собственных значений и степени согласованности матриц парных сравнений.

Прежде чем перейти к синтезу оптимальной альтернативы с учетом всех элементов второго и третьего уровней иерархии, нужно убедиться в достаточном уровне согласованности всех матриц суждений А с.1 , А с.2 , А с.2 , А с.4 . Для этого нужно вычислить максимальные собственные значения этих матриц. В теории МАИ приводится следующий алгоритм расчета. Сначала суммируется каждый столбец суждений, затем сумма первого столбца умножается на величину первой компоненты нормализованного вектора приоритетов, сумма второго столбца – на вторую компоненту и т.д. Затем полученные числа суммируются:

где k – номер матрицы парных сравнений (суждений); – вектор-строка столбцовых сумм матрицы суждений с номеромk ; – нормализованный собственный главный вектор матрицы сужденийА с. k , принадлежащий наибольшему собственному значению .

Таблица 6

Матрица парных сравнений альтернатив по первому критерию К1

В (8) умножение производится по правилу скалярного произведения векторов.

Например, для матрицы суждений А с.1 из таблицы 2 получим:

Максимальные собственные значения всех матриц суждения ,,,приведены соответственно в таблицах 2, 3, 4 и 5.

Этап 5 . Определение индексов согласованности и отношений согласованности для матриц суждений.

В общем случае под согласованностью понимается то, что при наличии основного (базового) массива необработанных данных все другие данные логически могут быть получены из них. Или другими словами, отношения элементов всей матрицы А не должны быть противоречивыми.

Из теории МАИ известно, что идеальная согласованность положительной обратносимметричной матрицы эквивалентна требованию

Заметим, что всегда верно, поэтому

Тогда степень согласованности матрицы суждений можно оценить мерой, называемой индексом согласованности (ИС)

Знаменатель – это число всех возможных парных сравнений данного элементав фиксированной строкеi для квадратной матрицы n -го порядка.

Следовательно, ИС имеет смысл отклонения от абсолютной согласованности, приходящегося на одно парное сравнение.

Вводится критерий, называемый отношением согласованности (ОС):

где СС – индекс случайной согласованности (СС).

СС определяется путем задания оценок по шкале отношений для случайно выбранных суждений при парных сравнениях и соответствующих им обратных величин для матрицыА. Значения СС в теории МАИ заранее вычислены и представлены в таблице 7.

Таблица 7

Случайная согласованность для случайных матриц

Приемлемая величина ОС – порядка 10% или менее. Если ОС выходит из этих пределов, то ЛПР должно провести более глубокие исследования задачи и проверить свои суждения, т.е. назначение величин в матрице парных сравнений.

В качестве примера приведем оценки для матрицы суждений А с.1 из таблицы 2:

Величины значения индекса согласованности и отношений согласованности для матриц суждений А с.1 , А с.2 , А с.3 , А с.4 показаны соответственно в таблицах 2, 3, 4 и 5.

Замечание. Формально отношения согласованности ОС 1 =0,378 для матрицы А с.1 , ОС 3 =0,31 для матрицы А с.3 и ОС 4 =0,26 для матрицы А с.4 являются неприемлемыми, т.е. уровень их согласованности очень мал. Требуется, чтобы ОС было меньше 0,1. Однако исправление указанных матриц суждения, а значит и всей задачи мы делать не будем, поскольку рассматриваемая задача носит учебный характер.

Этап 6. Синтез приоритетов уровней.

В математической теории иерархий разработан метод оценки воздействия уровня на соседний вышестоящий уровень путем композиции соответствующего вклада (приоритетов) элементов данного уровня по отношении к каждому элементу соседнего верхнего уровня. Композиция распространяется снизу-вверх. В принципе, можно рассматривать также распространение композиции сверху-вниз.

Математически «композиция» отображается оператором умножения. Как известно , в математической логике операция умножения отображает совместное действие сомножителей.

Приоритеты синтезируются, начиная со второго уровня вниз. Локальные приоритеты (приоритеты альтернатив А 1 , А 2 , А 3 по каждому критерию) перемножаются на приоритет соответствующего критерия на вышестоящем уровне и суммируются по каждому элементу в соответствии критериями на которые воздействует этот элемент. Процедура продолжается до самого нижнего уровня. В формализованном виде процедура синтеза приоритетов имеет следующий вид.

Общий вектор приоритетов взаимного влияния уровня 3 альтернатив (А 1 , А 2 , А 3) и уровня 2 критериев (К1, К2, К3) на общую цель (уровень 1) равен:

где В – матрица компонент нормированных векторов приоритетов альтернатив первого снизу уровня (см. таблицы 2, 3 и 4); – нормированный вектор приоритета критериев второго уровня (таблица 5).

В (11) умножение производится по правилам умножения матрицы на вектор:

Для нашего примера:

Этап 7 . Выбор оптимально альтернативы.

Алгоритм оптимального выбора прост:

Таким образом, алгоритм оптимального многокритериального выбора приводит к выбору площадки А 1 для строительства аэропорта, так как ей соответствует наибольшее значение компоненты вектора общего приоритета

Достоинством метода анализа иерархий является направленность на сравнение реальных альтернатив. Метод может применятся в тех случаях, когда эксперты не могут дать абсолютной оценки альтернатив по критериям, а пользуются более слабыми сравнительными измерениями.

Метод анализа иерархий, МАИ -- разработан Т. Саати и является методом измерения взаимозависимости в системе, систематической процедурой для иерархического представления элементов доминантной, прямой или обратной иерархии, системно описывающих проблему. В рамках данного метода взаимозависимость измеряется (оценивается) путем сравнения вкладов в вышестоящие узлы иерархии нижестоящих видов деятельности или критериев (подиерархии). Метод предполагает последовательное осуществление процедур:

• -- декомпозиции проблемы на части (элементы);
• -- получения экспертных заключений по парным сравнениям, синтеза множества суждений;
• -- определения относительной степени (интенсивности) взаимодействия элементов в иерархии;
• -- определения численного выражения интенсивности взаимодействия.

В этом методе предусматривается декомпозиция проблемы на части, ее структурирование и выделение иерархии, содержащей различные главные цели, подцели, критерии или уровней мероприятий, альтернатив, подлежащих оценке и дальнейшая обработка последовательности суждений ЛПР по попарным сравнениям. Данный метод включает процедуры синтеза множественных суждений, оценку приоритетности факторов (критериев) и нахождения альтернативных стратегий (решений) Преимуществом МАИ над большинством существующих методов оценивания стратегических альтернатив является четкое выражение суждений экспертов и лиц, принимающих решения, а также ясное представление структуры проблемы: элементов и взаимозависимостей между ними. Метод анализа иерархий опирается на достаточно простые элементы, которые оцениваются в шкале МАИ в виде суждений экспертов. А затем на основании обработки экспертных оценок определяется относительная степень их взаимного влияния в иерархии.

Для анализа стоимость-эффективность необходимо построить две иерархии: одну для издержек, другую для выгод с одними и теми же альтернативами на нижнем уровне. Критерии для выгод и для издержек не обязательно должны быть противоположными друг другу, но они должны различаться.

Главная цель проблемы является высшим уровнем иерархии. За целью следует уровень наиболее важных критериев. Каждый из критериев может разделяться на субкритерии. За субкритериями следует уровень альтернатив, число которых может быть достаточно большим.

Методика МАИ включает парные сравнения, разработку шкалы для преобразований суждений в числовые значения, использование обратно симметричных отношений, гомогенную кластеризацию иерархических уровней, иерархическую композицию проблемы .

Порядок применения Метода Анализа Иерархий:

• 1. Построение качественной модели проблемы в виде иерархии, включающей цель, альтернативные варианты достижения цели и критерии для оценки качества альтернатив.
• 2. Определение приоритетов всех элементов иерархии с использованием метода парных сравнений.
• 3. Синтез глобальных приоритетов альтернатив путем линейной свертки приоритетов элементов на иерархии.
• 4. Проверка суждений на согласованность.
• 5. Принятие решения на основе полученных результатов.
• 1. Первый шаг МАИ -- построение иерархической структуры, объединяющей цель выбора, критерии, альтернативы и другие факторы, влияющие на выбор решения. Построение такой структуры помогает проанализировать все аспекты проблемы и глубже вникнуть в суть задачи.. Декомпозиция предусматривает структурирование задачи в виде иерархии. В наиболее простом виде иерархия строится с вершины (цель), через промежуточные уровни (критерии) к самому низкому уровню, который обычно является перечнем альтернативных решений. Число уровней иерархии, описывающих конкретную задачу, может быть различно и зависит от специфики задачи. Каждый элемент верхнего уровня является «направляющим» для элементов нижнего уровня иерархии. Это означает, что важность (весовой коэффициент) критериев в описываемой альтернативе рассматривается относительно цели выбора альтернатив. При бинарном сравнении критериев каждый из них оценивается относительно поставленной цели и соответственно определяет уровни взаимного предпочтения.
• 2. Затем определяется вес элементов на первом уровне иерархии. Для каждого из этих элементов строится матрица векторов-столбцов элементов, находящихся на следующем уровне иерархии. Векторы весов элементов этого уровня используются для взвешивания собственных векторов-столбцов. Перемножением матрицы векторов на вектор-столбец весов рассчитывают общий вектор весов элементов нижнего уровня.

Расчеты необходимо проводить в матричной форме. При этом должно соблюдаться свойство обратной симметрии.

3. Сущность попарных сравнений заключается в сравнении элементов задачи (критерии, альтернативы) попарно по отношению к их воздействию (весу, интенсивности) на общую для них характеристику. Парные сравнения критериев и альтернатив проводятся в терминах доминирования одного из элементов над другим. Эти суждения в шкале МАИ выражаются в целых числах. Если элемент А доминирует над элементом В, то клетка квадратичной матрицы, соответствующая строке А и столбцу В, заполняется целым числом, а клетка, соответствующая строке В и столбцу А, - обратным ему числом. Если А и В эквивалентны, то в обе позиции записывается 1.

Опыт показал, что при проведении попарных сравнений в основном ставятся следующие вопросы. При сравнении элементов А и Б:

• · Какой из них важнее или имеет большее воздействие?
• · Какой из них более вероятен?
• · Какой из них предпочтительнее?

Относительная сила, величина или вероятность каждого отдельного объекта в иерархии определяется оценкой соответствующего ему элемента собственного вектора матрицы приоритетов, нормализованного к единице.

Процедура определения собственных векторов матриц поддается приближению с помощью вычисления геометрической средней.

Пусть: A 1 ...A n - множество из n элементов; W 1 ...W n - соотносятся следующим образом:

Таблица 4 - Парные сравнения

Для получения каждой матрицы требуется n(n - 1)/2 суждений, где n - число критериев, если сравнение проводится среди них, или число альтернатив, если они сравниваются по каждому критерию. При бинарном сравнении альтернатив, особенно при близких оценках их показателей, возможны случаи нарушения требований транзитивности или других ошибок в суждениях, поэтому МАИ предусматривает специальный механизм определения согласованности оценок.

4. Обработка результатов в методике МАИ осуществляется на базе методов матричного анализа с использованием специальных процедур оценки субъективных суждений на основании шкалы сравнений.

Для обоснования шкалы МАИ учитывается, что способность человека производить количественные разграничения можно представить пятью определениями: а) равный; б) слабый; в) сильный; г) очень сильный; д) абсолютный. Можно принять компромиссные определения между отмеченными соседними, когда нужна большая точность. В целом

требуется девять значений, выносимых при сравнении объектов суждений. Использование единицы в начале шкалы соответствует отношению значимости объекта относительно самого себя.

Для определения значений суждений следует начинать сравнение с левого элемента матрицы постановкой вопроса: насколько он важнее каждого из элементов, расположенных вверху (какой более вероятен или какой более предпочтителен). Если сравниваемый элемент важнее того, с которым он сравнивается, то в соответствующую позицию матрицы заносится целое число из шкалы относительной важности; в противном случае берется обратная величина. При сравнения элемента с самим собой отношение равно единице.

5. Для объединения суждений целесообразно найти среднегеометрическое значение путем перемножения соответствующих числовых значений в каждой строке матрицы суждений и извлечении корня степени, равной числу оцениваемых элементов. В результате получаем значение компонент собственного вектора.

Таблица 5 - Синтез локальных приоритетов критериев

• 1) суммировать элементы каждой строки и нормализовать делением каждой суммы на суммы всех элементов. Сумма полученных результатов равна 1. Первый элемент результирующего вектора будет приоритетом первого объекта (в данном случае первого фактора) и т. д.;
• 2) суммировать элементы каждого столбца и получить обратные элементы этих сумм. Нормализовать их так, чтобы сумма равнялась единице, разделив каждую обратную величину на сумму всех обратных величин;
• 3) разделить элементы каждого столбца на сумму элементов этого столбца, т. е. нормализовать столбец. Затем сложить элементы каждой полученной строки и разделить эту сумму на число элементов в строке - усреднение по нормализованным столбцам;
• 4) умножить п элементов каждой строки и извлечь из произведения корень п-й степени. Нормализовать полученные числа.

В общем случае, когда матрица М[п] содержит элементы согласованности суждений, указанные способы дают различные результаты векторов приоритетов

• (факторов взвешивания).
• 6. Синтез приоритетов заключается в разработке глобального критерия оценки альтернативных вариантов решения на базе системы локальных приоритетов. Система локальных приоритетов - это совокупность векторов приоритетов по каждой матрице попарных сравнений. Один вектор приоритетов показывает значимость критериев и определяется по матрице попарных сравнений критериев. Остальные векторы приоритетов показывают значимость (результаты сравнения) вариантов по соответствующему критерию. Вектор приоритетов представляет собой нормализованный собственный вектор матрицы попарных сравнений.

Таблица 6 - Синтез локальных приоритетов альтернатив

7. После определения вектора приоритетов находят оценки согласованности мнений экспертов. Для этого определяется отношение согласованности локальных критериев. Расчет показателей согласованности выполняется следующим образом.

Определяется приближенная оценка главного собственного значения матрицы суждений. Для этого определяется сумма по каждому столбцу суждений, а затем сумма первого столбца умножается на величину первой компоненты нормализованного вектора приоритетов, сумма второго столбца - на вторую компоненту и т. д. Полученные числа суммируются, таким образом, получаемая величина лmах называется оценкой максимума (главного значения матрицы М). Это приближение используется для оценки согласованности суждений эксперта. Чем ближе лmах к n, тем более согласованным является представление в матрице М[n] суждений. Отклонение от согласованности называют индексом согласованности (ИС):

Теперь сравним эту величину с той, которая получилась бы при случайном выборе количественных суждений из нашей шкалы, и образовании обратно симметричной матрицы. Ниже даны средние согласованности для случайных матриц разного порядка.

Таблица 7 - Определение случайной согласованности

Если разделить ИС на число, соответствующее случайной согласованности матрицы того же порядка, получим отношение согласованности (ОС). Величина ОС должна быть порядка 10% или менее, чтобы быть приемлемой. В некоторых случаях допускается ОС до 20%, но не более, иначе надо проверить свои суждения.

8. После проверки согласованности локальных приоритетов определяется глобальный критерий для каждого возможного варианта решений. Приоритеты синтезируются, начиная со второго уровня и вниз. Локальные приоритеты перемножаются на приоритет соответствующего критерия (взвешиваются) вышестоящего уровня и суммируются по каждому элементу в соответствии с критериями, на которые воздействует этот элемент. Это удобно представить в виде матрицы глобальных приоритетов.

Таблица 8 - Матрица глобальных приоритетов

Обобщенные веса или приоритетность объекта при их выборе равны сумме произведений локальных приоритетов каждого объекта по каждому критерию на значимость этого критерия.

Сравнивая полученные значения глобальных приоритетов, определяют рейтинг для всех стратегий. Высокий рейтинг будет соответствовать наибольшему значению глобального вектора приоритета или наиболее предпочтительной альтернативной стратегии. Оценить полезность вариантов выбора конкурентных стратегий можно с помощью нечеткой статистической теории принятия решений.

Основные этапы формирования и выбора конкурентной стратегии организации с использованием аналитических и процедурных методов, в частности, метода анализа иерархий, положенные в основу разработанной методики, представлены на рис. 5.

Достоинством предлагаемой методики выбора конкурентной стратегии является то, что метод МАИ в отличие от других экспертных дает возможность оценивать сразу и качественные, и количественные характеристики посредством перехода к безразмерным показателям. С помощью этого метода можно осуществлять поиск оптимальной конкурентной стратегии в любой рыночной ситуации, так как он позволяет сравнивать все факторы одновременно, определяя значимость путем сравнения попарно каждого с каждым. В результате определяется относительная степень (интенсивность) взаимодействия элементов в иерархии. При этом другие методы позволяют одновременно сравнивать, как правило, только по два фактора.

Рисунок 5 - Этапы формирования и выбора стратегии организации методом анализа иерархий (МАИ)

В начале 1970 года американский математик Томас Саати разработал процедуру поддержки принятия решений, которую назвал "Analityc hierarchy process" (AHP). Авторы русского издания перевели это название как "Метод анализа иерархий" (см. книгу: Саати Т. Принятие решений. Метод анализа иерархий. - М.: Радио и Связь, 1993). Этот метод относится к классу критериальных и занимает особое место, благодаря тому, что он получил исключительно широкое распространение и активно применяется по сей день, особенно в США. По этой причине он заслуживает подробного описания в отдельном разделе. Не следует думать, что его выдающаяся популярность объясняется какими-либо важными преимуществами этого метода, по сравнению с другими. Я думаю, что здесь мы сталкиваемся с известным психологическим феноменом: продукт, появившийся первым и удачно удовлетворяющий определенную потребность, захватывает рынок. Более поздние продукты, зачастую более совершенные, часто оказываются неспособны вытеснить удачливого первенца.

На основе этого метода разработаны достаточно серьезные системы поддержки принятия решений, например "Expert choice"

Описание метода выполним на конкретном примере выбора автомобиля.

Альтернативы:

• Жигули
• Москвич
• Волга

Критерии:

• стиль
• надежность
• экономия топлива

В основе АНР все та же линейная свертка, но оценки альтернатив и веса критериев получаются особым образом. Его мы сейчас и рассмотрим.

В модели АНР вместо критериальной таблицы принята иерархия. Представим ее следующим образом:

Уровень 0: Цель - выбрать автомобиль.

Уровень 1: Критерии -

– надежность

– экономичность

Уровней может быть сколько угодно. Например, критерий 1-го уровня "надежность" можно раскрыть уровнем 2 как: 1) надежность двигателя, 2) надежность кузова, 3) надежность ходовой части. Надежность ходовой части можно далее раскрыть уровнем 3, например, как а) надежность тормозной системы, б) надежность подвески и т.д. Мы же, для простоты объяснения, ограничимся Уровнем 1.

Теперь нужно получить оценки каждой альтернативы по каждому критерию. Если существуют объективные оценки, то они просто выписываются и нормируются таким образом, чтобы их сумма была равна единице. Например, если бы нас интересовал критерий "максимальная скорость" и имелись бы соответствующие данные по каждому автомобилю, то нужно было бы составить следующую таблицу.

А как быть с таким критерием как "стиль", для которого не существует объективных оценок? В этом случае процедура Саати рекомендует использовать парные сравнения. Для фиксации результата сравнения пары альтернатив может использоваться, например, шкала следующего типа:

Лицо, принимающее решение (ЛПР), просят попарно сравнить альтернативы. Результат парных сравнений альтернатив для критерия "стиль" записывается в виде таблицы

Простые дроби в клетках трактуются следующим образом. Например, на пересечении строки "Москвич" и столбца "Жигули" записана дробь 4/1. Это выражает мнение ЛПР о том, что "стильность" Москвича" в 4 раза выше, чем "стильность" Жигулей. Здесь вместо приведенной выше шкалы превосходства использовалось понятие "быть лучше в N раз", что также допустимо. Далее простые дроби переводятся в десятичные. Получается такая таблица.

Эта таблица есть не что иное, как таблица результатов парных сравнений (см. раздел "Некритериальное структурирование множества альтернатив"). Поступим с ней так же, как мы поступали в указанном разделе - посчитаем строчные суммы .

Теперь, в отличие от прежнего, нормируем суммы таким образом, чтобы их сумма в свою очередь была равна 1. Для этого просто разделим сумму каждой строки на 32,37 (сумма последнего столбца, т.е. сумма самих строчных сумм). Получим:

В методе Саати полученные таким образом нормированные суммы принимаются в качестве оценок альтернатив по критерию "стильность". Отметим, что полученные оценки отражают исключительно точку зрения конкретного ЛПР. На самом деле, вместо строчных сумм Саати рекомендует использовать собственный вектор матрицы парных сравнений, считая его более точной оценкой. Мы же для простоты ограничимся строчными суммами, которые допустимы, но, с точки зрения Саати, менее точны.

Аналогичным образом получаются веса критериев. Предположим, конкретное ЛПР сравнило попарно критерии с точки зрения их сравнительной важности. Запишем результаты сравнений в виде таблицы.

Как и прежде, утверждение типа "надежность в 2 раза важнее стиля" записывается в виде дроби 2/1.

Применяя к этой таблице описанную выше процедуру, получим веса критериев:

w 1 = 0,32 (стиль), w 2 = 0,56 (надежность), w 3 = 0,12 (экономичность).

Таким образом, мы можем получить как веса критериев, так и оценки альтернатив по критериям:

Жигули - 0,306;
Москвич - 0,272;
Иж - 0,094;
Волга - 0,328.

Затем производится анализ отношения стоимость/эффективность. Используется отношение полученной интегральной оценки к нормированной стоимости. Наилучшей считается альтернатива, для которой указанное отношение максимально .

В рамках нашего примера, сведем все необходимые данные в следующую таблицу:

Таким образом, учитывая предпочтения данного конкретного ЛПР, процедура АНР рекомендует ему выбрать Москвич.

Несколько заключительных замечаний

Как я уже отметил в начале этого раздела, исключительно широкий опыт практического использования АНР придал процедуре этакий магический ореол. Не смотря на это, я попробую, по возможности объективно, отметить ее достоинства и недостатки.

Главным достоинством процедуры я считаю тот факт, что веса критериев и оценки по субъективным критериям не назначаются прямым волевым методом (как чаще всего пытаются делать, не сильно задумываясь о корректности такого волюнтаризма), а на основе парных сравнений. При этом, на мой взгляд, остается неопределенным (интуитивным) понятие "превосходство в N раз", но все равно - это большой шаг вперед. Нельзя не отметить, что сравнительно недавно Подиновским сделана попытка точно определить, что означает количественное превосходство одного критерия над другим (см. журнал "Автоматика и телемеханика" №5 за 2000 год).

Другое достоинство - представление критериев в виде иерархии (дерева). Такая структура, если вдуматься, внутренне присуща самому понятию "критерий", т.е. критерии по своей природе иерархичны. Используя одну критериальную таблицу, мы по сути дела упрощаем ситуацию, выполняя оценку либо для верхних уровней дерева критериев, либо для самых нижних (как говорят математики "для листьев дерева"). Большой беды в этом нет, но при оценке сложных альтернатив полезнее мыслить в терминах дерева критериев.

Теперь о недостатках. Первый касается шкалы превосходства. Напомню, что Саати предлагает следующую шкалу:

Теперь представим ситуацию, когда одновременно справедливы следующие 2 утверждения: а) "альтернатива А1 очень сильно превосходит альтернативу А2" и б) "альтернатива А2 очень сильно превосходит альтернативу А3". Что можно сказать о превосходстве альтернативы А1 над альтернативой А3? Логично было бы сделать заключение, что альтернатива А1 превосходит альтернативу А3 в 49 раз (7 умножить на 7)!? Но этот вывод явно не укладывается в рамки заданной шкалы. Как же быть? Процедура АНР не дает ответа на этот каверзный вопрос. Скорее всего, придется удовлетвориться утверждением типа: "альтернатива А1 имеет высшее превосходство над альтернативой А3" и в дальнейшем использовать градацию шкалы "9".

Основной недостаток, на мой взгляд, заключается в том, что парные сравнения используются для получения количественных значений. Серьезные исследования последнего десятилетия приводят к выводу, что корректнее и надежнее использовать парные сравнения для получения только качественных заключений, типа: "критерий К1 важнее критерия К2", не уточняя на сколько важнее.

Для решения задач подобного рода в аналитическом планировании широко применяется метод анализа иерархий (далее МАИ), разработанный Т.Саати. Сегодня его используют уже повсеместно от риэлтеров, при оценке недвижимости, до кадровиков, при замещении вакантных должностей. Воспользуемся этим методом и мы для выбора хостинг-провайдера.

Первым этапом применения МАИ является структурирование проблемы выбора в виде иерархии или сети. В наиболее элементарном виде иерархия строится с вершины (цели), через промежуточные уровни-критерии (технико-экономические параметры) к самому нижнему уровню, который в общем случае является набором альтернатив (хостинг-провайдеров в нашем случае).

После иерархического воспроизведения проблемы устанавливаются приоритеты критериев и оценивается каждая из альтернатив по критериям. В МАИ элементы задачи сравниваются попарно по отношению к их воздействию на общую для них характеристику. Система парных сведений приводит к результату, который может быть представлен в виде обратно симметричной матрицы. Элементом матрицы a(i,j) является интенсивность проявления элемента иерархии i относительно элемента иерархии j, оцениваемая по шкале интенсивности от 1 до 9, предложенной автором метода, где оценки имеют следующих смысл:

Если при сравнении одного фактора i с другим j получено a(i,j) = b , то при сравнении второго фактора с первым получаем a(j,i) = 1/b.

Опыт показал, что при проведении попарных сравнений в основном ставятся следующие вопросы. При сравнении элементов А и Б:

• Какой из них важнее или имеет большее воздействие?
• Какой из них более вероятен?
• Какой из них предпочтительнее?

Относительная сила, величина или вероятность каждого отдельного объекта в иерархии определяется оценкой соответствующего ему элемента собственного вектора матрицы приоритетов, нормализованного к единице. Процедура определения собственных векторов матриц поддается приближению с помощью вычисления геометрической средней.

Пусть:
A 1 ...A n - множество из n элементов;
W 1 ...W n - соотносятся следующим образом:

Оценка компонент вектора приоритетов производится по схеме:

Приоритеты синтезируются начиная со второго уровня вниз. Локальные приоритеты перемножаются на приоритет соответствующего критерия на вышестоящем уровне и суммируются по каждому элементу в соответствии с критериями, на которые воздействует элемент.

Весьма полезным побочным продуктом теории является так называемый индекс согласованности (ИС), который дает информацию о степени нарушения согласованности. Вместе с матрицей парных сравнений мы имеем меру оценки степени отклонения от согласованности. Если такие отклонения превышают установленные пределы, то тому, кто проводит суждения, следует перепроверить их в матрице.

ИС = (l max - n)/(n - 1)

Для наших матриц всегда l max і n.

Теперь сравним эту величину с той, которая получилась бы при случайном выборе количественных суждений из нашей шкалы, и образовании обратно симметричной матрицы. Ниже даны средние согласованности для случайных матриц разного порядка.

Если разделить ИС на число, соответствующее случайной согласованности матрицы того же порядка, получим отношение согласованности (ОС). Величина ОС должна быть порядка 10% или менее, чтобы быть приемлемой. В некоторых случаях допускается ОС до 20%, но не более, иначе надо проверить свои суждения.

Одним из наиболее эффективным методов решения слабоструктурированных задач управления является метод анализа иерархий (МАИ), разработанный Т. Саати. Этот метод оказывается полезным при принятии решений на основе как формализованных, так и неформализованных факторов.

Главной чертой МАИ является то, что он отражает естественное мышление человека, принимающего решение независимо от широты спектра проблемы.

МАИ состоит в декомпозиции проблемы на простые части и элементы, которые оцениваются в шкале МАИ в виде суждений ЛПР (экспертов). А затем на основании обработки совокупности суждений методом матричной алгебры получаются конечные оценки в решении рассматриваемой проблемы. При этом определяется относительная степень взаимного влияния в иерархии.

Цель, факторы показательного оценивания и альтернативы образуют иерархическую структуру (рис. 7).

Рис. 7 Дерево целей МАИ: f1,f2,f3 - факторы (показатели), определяющие описание альтернатив; a1,a2,...an - множество альтернатив

Рассмотрение этой схемы (рис. 7) позволяет сформулировать ряд положений, отражающих сущность метода «анализа иерархий».

1. Число уровней иерархии, описывающих конкретную прикладную задачу, может быть различно и зависит от специфики задачи. Каждый элемент верхнего уровня является «направляющим» для элементов нижнего уровня иерархии. Это означает, что важность (весовой коэффициент факторов описываемой альтернативы) рассматривается относительно цели выбора альтернатив. Поэтому при бинарном сравнении факторов каждый из них оценивается относительно поставленной цели выбора и соответственно определяет уровни взаимного предпочтения.

2. Попарные сравнения факторов осуществляются в терминах доминирования одного из элементов над другим. Эти суждения в шкале МАИ выражаются в целых числах. Если элемент А доминирует над элементом В, то клетка квадратичной матрицы, соответствующей строке А и столбцу В, заполняется целым числом, а клетка, соответствующая строке B и столбцу A, заполняется обратным к нему числом. Если A и B эквивалентны, то в обе позиции записывается 1.

3. Для получения каждой матрицы требуется n×(n-1)/2 суждений, где n – число факторов, если сравнение проводится среди них, или n – число альтернатив, если они сравниваются по каждому фактору.

4. При бинарном сравнении альтернатив, в особенности при близких оценках их показателей, возможны случаи нарушения требований транзитивности или других ошибок в суждениях, поэтому МАИ предусматривает специальный механизм определения согласованности оценок.

Обработка результатов осуществляется на базе методов матричного анализа с использованием ряда специальных процедур оценки предпочтений ЛПР на основании шкалы МАИ (табл. 18).

Таблица 18

Шкала отношений МАИ