Имитационная модель многоэтапного процесса принятия компромиссного решения

Об авторах:

Захаров Александр Анатольевич, доктор технических наук, заведующий базовой кафедрой «Безопасные ИТ умного города», Тюменский государственный университет; a.a.zakharov@utmn.ru

Захарова Ирина Гелиевна, кандидат физико-математических наук, профессор кафедры программного обеспечения, Школа компьютерных наук, Тюменский государственный университет, Тюмень, Россия; i.g.zakharova@utmn.ru, https://orcid.org/0000-0002-4211-7675

Аннотация:

В статье рассмотрен подход к построению стохастической модели процесса формирования компромиссного решения, которое строится на основе заданного множества исходных предложений. Специфика процесса принятия решения определяется некоторыми начальными условиями, а также критериями перехода от одного этапа к другому, включая заключительный этап принятия решения. Алгоритм формирования решения включает на начальном этапе ранжирование характеристик исходных предложений по их значимости, построение специальной нормы для определения меры близости предложений, критерия совместимости предложений с учетом особенностей конкретной предметной области и самих предложений, а также матрицы вероятностей совместимости исходных предложений. Далее формируется множество промежуточных предложений, которые используют случайные сочетания всех исходных предложений и выбранный способ определения случайных значений характеристик промежуточных предложений. Для отбора значимых предложений используется функция полезности. Процесс повторяется до получения компромиссного решения. Компьютерная реализация модели протестирована на примере задачи формирования коалиционных правительств с учетом и без учета совместимости определенных партий в коалициях.

Список литературы:

1. Rozinata, A., Wynnb, M.T., Aalsta, W.M.P., Hofstedeb, A.H.M., Fidgeb, C.J. Workflow simulation for operational decision support // Data & Knowledge Engineering. Sixth International Conference on Business Process Management. Vol. 68. Iss. 9. September 2009.

Pp. 834-850.

2. Шеннон Р. Имитационное моделирование систем — искусство и наука. М.: Мир,

1978. 418 с.

3. Bartholomew, D. J. Stochastic models for social processes. J. Wiley, 1973. 411 p. 4. Gilbert, N., Troitzsch, K. Simulation for the social scientist. Open University Press, McGrow-Hill Education, 2005. 312 p.

5. Golder, M., Golder, S., Siegel, D. Modeling the Institutional Foundations of Parliamentary Government Formation. Journal of Politics. 2012. № 74. Pp. 427-445.

6. Miller, J. H., Page, S.E. Complex Adaptive Systems: An Introduction to Computational Models of Social Life. Princeton, NY: Princeton University Press, 2007. 284 p.

7. Mosteller, F. Stochastic Models for the Learning Process. Proceedings of the American Philosophical Society. 1958. Vol. 102 (1). Pp. 53-59.

8. Васильева Т.П., Мызникова Б.И., Русаков С.В. Стохастическое моделирование процесса формирования городов // Управление большими системами. 2012. №37. С. 64-179.

9. Захаров А.А., Захарова И.Г. Имитационное моделирование в задачах анализа предпочтений // Вестник Тюменского государственного университета. 2011. №7. Серия «Физико-математические науки. Информатика». С. 172-174.

10. Захарова И.Г., Пушкарев А.Н. Математическое обеспечение динамической интегрированной экспертной системы поддержки принятия решений в маркетинге // Вестник Тюменского государственного университета. 2012. №4. С. 151-155.

11. Penn, E.M. A Model of Farsighted Voting. American Journal of Political Science. 2009. Vol. 53 (1). Pp. 36-54.

12. Schofield, N., Sened, I. Multiparty Democracy: Elections and Legislative Elections. New York: Cambridge University Press, 2006. 258 p.