Разлика между версии на „Дърво на решенията“

Версия от 12:01, 4 февруари 2014

Дървото на решенията е графичен метод за избор на алтернатива чрез изследване на последователни и взаимно свързани решения и резултатите от тях.

Същност

Дървото на решенията дава възможност за избор на рационално управленско решение, когато за всяка алтернатива решенията са известни или могат да бъдат предвидени стойността на възможните резултати и вероятностите за постигане на един или друг резултат.

Елементи на дървото на решенията

Дървото на решенията е графа, изградена от два типа възли: възел – решение ; възел – резултат; и от “клони”, които свързват възлите. Възлите – решения са точките, при които са налице алтернативи, измежду които следва да се вземе решение на база изчисление на очаквания резултат. Възлите –резултати са точките, при които дървото на решенията се разклонява на база различните възможни резултати от предприетите действия.

Решение в условия на неопределеност

За подпомагане на вземането на решение в условията на неопределеност се построява дърво на решенията. В това дърво се описват възлите на решенията и неопределеност, заедно с всички разклонения във всеки възел. Определят се вероятностите за всички дъги на неопределеност, като се дават условията за всяка дъга. Записват се печалбите (или загубите) на финалните дъги. Могат да се изчислят математическите очаквания във възлите на неопределеност, да се максимизира печалбата (минимизира загубата) и по такъв начин да се определят най-добрите действия. Общият примерен вид на едно дърво на решенията може да бъде следният:

Решенията в икономическата област обикновено се нуждаят от проверка във времето. Затова постъпването на нова информация за състоянията на природата уточнява предварителното знание и прави по-точно и правилно вземаното решение. Вземащият решение разполага при това положение с априорното (предварително) разпределение на вероятностите за състоянието на природата. След постъпване на нова информация чрез наблюдение, експеримент или някакъв друг начин за състоянието на природата се получава ново или апостериорно (последващо) разпределение на вероятностите. Обикновено проверката се прави след настъпването на някакво събитие, например взетото решение от управляващия.

Предимства

Не е сложен за разбиране и тълкуване. Хората са в състояние да разберат метода „Дърво на решенията” след кратко обяснение.
Съставя се със сравнително прости стойности и данни. Някои важни изводи могат да се направят на базата на експертните оценки, описва ситуацията (нейните алтернативи, вероятности и разходи) и поставя на преден план предпочитаните за резултати.
Ако даден резултат, се налага да се обясни чрез метода, обяснението на резултата е лесно, основавайки се само на проста математика.
Може да се комбинира с други техники за решение.
Ръководителя има възможност да съпоставя вариантите по отделни критерии и да отчита вероятността за тяхната реализация
Използва се в ситуации когато се налага да се вземат няколко последователни решения
Дървото на решенията’ осигурява ефективна структура, в която разполагате опциите и отразявате за всяка няколко възможни последствия, с отбелязани валентност и тежест. Получава се цялостна картина на ситуацията, която Ви дава възможност по-лесно да оцените рисковете и позитивите в сравнение.

Алгоритъм за построяване на дърво на решенията

Метод

Метод за построяване на “дърво на решенията”. Допълва ситуационния анализ, като в провеждания анализ се включват и възможните изходни и съответни решения. Така се получава верига от възможни ситуации и решения със съответен изход /ефект, печалба, полза и т.н. При разработването на дърво на решенията трябва да се имат предвид три основни ситуации: - решения в условията на определеност; - решения в условия на неопределеност; - решения в условията на конфликт. Първата ситуация е обикновено рядко срещана. Втората ситуация е най-често срещана, тъй като в икономиката не съществуват безрискови ситуации и операции. В условията на неопределеност е невъзможно да се определи точна количествена оценка на вероятните изходи. В условията на конфликт вземането на решение се усложнява от отчитането на осъзнатото и актив ното противодействие на участниците в “конфлик тната” ситуация. Съществуват ефективни алгоритми за построяване на дървета на решенията от наблюдаваните данни. Построеното в резултат от работа на даден алгоритъм дърво се използва директно за решаване на класификационни задачи.

Алгоритъм ID3

Итеративен алгоритъм. Избира по случаен начин подмножество от обучаващите примери (наречено прозорец) и построява по него дърво на решенията, което класифицира правилно всеки пример от прозореца. Ако има неразгледани примери, които се класифицират неправилно, те се прибавят към прозореца и дървото се построява отново. Експериментите са показали, че такъв итеративен метод е по-ефективен от опита да се построи дървото направо от всички данни. Евристиката, използвана от ID3 за избор по кой атрибут да се разклонява дървото, е да се избере проверката, от която ще се спечели най-много информация. Тази евристика почива на аналогии с математическата теория на информацията (Клод Шенън) и се определя като търсене на минимална информационна ентропия, тъй като да се увеличи спечелената информация означава да се намали неопределеността или безпорядъка. ID3 е бил прилаган успещно към големи обучаващи множества, както и (адаптиран) към зашумени и непълни данни. Неговата простота и ефективност го правят добра алтернатива на методите за придобиване на знания, ако разполагаме с достатъчно количество подходящи данни. За разлика от метода на пространството на версиите той не е инкрементален - прибавянето на нови примери води до построяване на нова класификация с участие и на по-рано разгледаните примери. Не е гарантирано намиране на най-просто дърво на решенията, тъй като използуването на оценяваща функция от теорията на информацията всъщност е евристика. Практическите приложения са показали сравн. прости дървета на решенията и добра класификация на нови обекти. В последните години са разработени и инкрементални алгоритми за самообучение, работещи върху класификационни дървета (дървета на решенията).

Вижте още

Източници

Introduction to Data Mining and its Applications, S. Sumathi, S. N. Sivanandam, In series: "Studies in Computational Intelligence" No. 29, Springer-Verlag Berlin Heidelberg 2006
A Guide to the Project Management Body of Knowledge, Project Management Institute, North Carolina, 1996.
Chapman, Ch., St. Ward, Project Risk Management – Processes, Techniques and Insights, John Wiley & Sons, 1997.
Godeth, Michael, Scenarios and Strategic Management, Butterworth Scientific, London, 1987.
Pollack-Johnson, Bruce, Matthew J. Liberatore, Project Planning Under Uncertainty Using Scenario Analysis, Project Management Journal, March 2005.
Saaty T., K. Kearns, Analytical Planning. The Organization of Systems, Pergamon Press, 1985).
Schnaars, Steven, Paschalina Ziamou, The Essentials of Scenario Writing, Business Horizons, July-August 2001.
Smith, Pr., Managing Risk as Product Development Schedule Shrink, Research-Technology Management Sep/Oct, 1999.
Top Eleven Ways to Manage Technical Risk, Department of the Navy, USA, 1998
Vertzberger, Yaacov., Y., Making and Taking Risky Decisions, Nordic Journal of International Studies, v. 33, 1998.
Manning, Ñ., P. Raghavan, H. Schultze. Introduction to Information Retrieval, Web Information Systems and Technologies. Springer Berlin Heidelberg, 2009.
Chen, L. and Ê. Sycara WebMate: A Personal Agent for Browsing and Searching, 1998, Carnegie Mellon University.
Claire Cardie, Nicholas Nowe. Improving Minority Class Prediction Using Case Specific Feature Weights. Proceedings of the Fourteenth International Conference on Machine Learning, July 08-12, 1997
Daniel Jurafsky and James H. Martin. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition, Prentice Hall series in artificial intelligence, 2000.

Външни препратки

@@ Ред 10: / Ред 10: @@
 Дървото на решенията е графа, изградена от два типа възли:
 възел – решение ; възел – резултат; и от “клони”, които свързват възлите. Възлите – решения са точките, при които са налице [[алтернатива|алтернативи]], измежду които следва да се вземе решение на база изчисление на [[очакван резултат|очаквания резултат]]. Възлите –резултати са точките, при които дървото на решенията се разклонява на база различните възможни резултати от предприетите действия.
-==Етапи на метода==
-*Дефинирайте проблема, който ще решавате точно, ясно и конкретно.
-*Вземете лист хартия и нарисувайте малък квадрат, като запишете в него проблема.
-*От квадрата направете стрелки към дясната страна на листа. Всяка от стрелките съответства на дадено решение. Запишете ясно и кратко формулирано решението по дължината на стрелките. При по-разгърнати решения направете стрелките по-раздалечени една от друга и запишете необходимата информация.
-*Ако резултатът от дадената идея - решение е [[несигурен]], непосредствено след стрелката направете малко кръгче. В случай, че решението води до решаване на друг проблем, непосредствено след стрелката нарисувайте квадратче. Квадратите представляват възникнал проблем, който трябва да бъде решен, стрелките са [[генерирани решения]] на проблема, а кръгчетата предствляват [[несигурни решения]]. Ако решението не води до нововъзникнал проблем, оставето мястото след стрелката празно.
-*Цел на метода е да се [[генерират]] възможно най-много решения по поставените проблеми.
-*Етап на анализ. В него внимателно разглеждате всяко квадратче и кръгче и правите [[подробен анализ]].
-*Етап на оценка. На този етап се прави оценка на всички дадени решения по проблемите. Тук трябва да прецените, коя от дадените възможности е най-ценна за вас.
-*Етап “стойностен измерител”. Определете [[парична стойност|паричната стойност]] за всеки възможен резултат. Трябва да прецените реално колко ще ви струва, в случай че изберете това решение. В случай, че решите да комбинирате няколко дадени решения, сумирайте получените крайни стойности за всяко от тях.
-[[File:durvo_na_resheniqta4.jpg||left]]
 ==Решение в условия на неопределеност==