Содержание
- 2. Часть 1 Обзор тем курса ТПР
- 3. Необходимое условие принятия решений Необходимое условие принятия решений – наличие альтернатив выбора
- 4. Классификация технологий принятия решений Принятие решений Без использования мат. моделей С использованием мат. моделей Таксономия Метод
- 5. Простые решающие правила Уставы (воинские уставы, устав СКГМИ и других университетов, монастырские уставы…). Привести примеры самостоятельно.
- 6. Таксономия Типы задач таксономии: Объединение статичных объектов в таксоны по «похожести». Объединение статичных объектов в заданное
- 7. Метод бинарных отношений Основная задача метода бинарных отношений – ранжирование объектов на основании качественных данных о
- 8. Использование теории полезности Полезность богатства: Цель: дать количественную оценку отношениям предпочтения. Б П
- 9. Принятие решений голосованием Решаемые задачи: Способы организации голосования. Способы подведения итогов голосования Технология прогнозирования итогов голосования.
- 10. Метод эталонов Решаемые задачи: Ранжирование многокритериальных объектов. Обработка экспертных оценок. Подведение итогов голосования. Прогнозирование персональной успеваемости
- 11. Имитационное моделирование Электрическая схема Математическая модель А R1 R2 R3 Rn U - + I
- 12. Игровое моделирование Выбор метода обучения Матричная антагонистическая игра двух преподавателем лиц
- 13. Оптимизационные задачи с непрерывно меняющимися переменными Задача о консервной банке R H
- 14. Оптимизационные задачи с дискретно меняющимися переменными Задача о ранце V V1;C1 V2;C2 V3;C3 V4;C4 Vn;Cn
- 15. Повторить самостоятельно курсы: Теория графов Теория множеств Математическая логика Методы оптимизации Мат. анализ
- 16. Часть 2 Простые алгоритмы таксономии
- 17. Алгоритм Прима На взвешенном неориентированном графе выбирается произвольная вершина. Выбирается вершина, расстояние до которой от исходной
- 18. Пример работы алгоритма Прима 5 7 3 4 1 Исходный граф G(X,U) 2 9 Стартовая вершина
- 19. Пример работы алгоритма Прима 2 1 5 3,4 2 5 4 2 Выбранная вершина 2 5
- 20. Минимальный остов графа G(X,U) 1 5 3 4 2 3 4 S=10 1 2
- 21. Интерфейс Программной реализации алгоритма Прима 1 Ввод матрицы смежности вершин неориентированного взвешенного графа G(X,U) Построить граф
- 22. Интерфейс Программной реализации алгоритма Прима 2 Вывод минимального остова исходного графа G(X,U). Суммарный вес ребер остова.
- 23. Алгоритмы таксономии Пусть заданы: множество точек (вершин) А и множество ребер (i,j), где r( i ,
- 24. Определение λ - расстояний Шаг 1.Выбирается любая, ранее не просматривавшаяся пара точек p и q. Если
- 25. Самостоятельно Определить λ – расстояние между 3-й и 5-й вершинами на графе, заданном матрицей М:
- 26. Гипотеза λ - компактности Гипотеза λ - компактности формулируется следующим образом: реализация одного и того же
- 27. САМОСТОЯТЕЛЬНО Объединить в таксоны в λ - пространстве трёх учеников - отличника, хорошиста и двоечника (по
- 28. Назначение и свойства алгоритма Forel 1 1. Алгоритм Forel 1 предназначен для разбиения объектов на таксоны.
- 29. Forel-1 (шаги 1 – 5) Шаг 1. Все признаки объектов нормируются так, чтобы их значения были
- 30. Forel-1 (шаги 6 – 13) Шаг 6. R0= min{R0; R}. Шаг 7. Точка xi помечается. Если
- 31. Forel-1 (шаги 14 – 16) Шаг 14. Выбор j-й точки, для которой величина P(j) минимальна. Шаг
- 32. Достоинства и недостатки алгоритма Forel 1 Достоинства: Простота. Легкость программной реализации. Недостатки: Зависимость таксономии от выбора
- 33. Самостоятельная работа Разбить на таксоны группы из четырех, следующих один за другим учеников, характеризуемых оценками по
- 34. Результат решения программой Forel 2: 1,2,3 4 При Ɛ=1
- 36. Скачать презентацию