Слабоструктурированные системы - системы, в которых доминируют качественные, плохо определенные факторы, а критерии оценки альтернатив принимаемых решений носит, как правило, субъектный характер (сам набор критериев м.б. определен лицом принимающим решение).
Неопределенность ПР можно представить в виде нескольких основных типов: 1) объектная неопределенность (неопределенность природы) 2) гносеологическая - неопределенность, вызванная отсутствием достоверной информации. 3) стратегическая - неопределенность, вызванная зависимостью от других субъектов управления, 4)неопределенность, вызванная нечеткостью данных описывающих реальные процессы.
Слабоструктурированные задачи занимают промежуточное положение и являются "сочетающими количественные и качественные зависимости, причем малоизвестные и неопределенные стороны задачи имеют тенденцию доминировать"
Основные виды неопределенности и способы ее уменьшения. Абсолютная неопределенность имеет место в случае, когда неизвестно, какое событие произойдет, где и когда произойдет и почему произойдет.
Пусть по результатам эксперимента требуется оценить значение некоторого выходного параметра объекта q, принимающего значения на множестве Q. Это значит, что нужно найти такую величину g (оценку параметра q), которая принадлежит множеству оценок G. При этом определена функция , определяющая потери при выборе значения , если истинное значение параметра есть q. Наилучшее решение этой задачи в том, что выбирается такое значение , при котором функция потерь достигает минимума. Функцию потерь L: QxГ→R (R - множество действительных чисел) определяет потребитель решения, исходя из своего понимания эффективности (качества) решения.
Неопределенность решения этой задачи зависит от того, что мы знаем о пространствах Q и G.
Если нам неизвестно ничего о множествах Q и G, то мы имеем дело с полной неопределенностью.
Более реалистична ситуация, когда известно множество Q, но мы ничего не знаем о поведении параметра q на этом множестве. Здесь имеет место случайность в широком смысле. В этой ситуации принято минимизировать максимальные потери: g: sup L(q,g)→inf (g принад-т Г). Согласно этому принципу выбирается то решение, которое приводит к минимизации максимальных потерь в наихудшем случае. Минимаксер это тот, кто решает максимально хорошо защищаться против наихудших ситуаций. Без минимаксера не было бы страхования.
Весьма благоприятна ситуация, когда точно известно вероятностное распределение параметра q на множестве Q. В этом случае принято выбирать g из условия минимизации средних потерь: . Такую неопределенность называют байесовской. Супремум: Sup - точная верхняя грань (максимальное значение принадлежности, присутствующее в множестве).
