Main menu

Анализ среды функционирования (DEA): непараметрическая оценка эффективности сложных систем

Классические методы экономической оценки эффективности предприятий обычно опираются на простые финансовые показатели, такие как рентабельность, производительность труда или норма прибыли. Однако при анализе деятельности сложных социально-экономических систем, таких как университеты, многопрофильные больницы, полицейские участки или банковские филиалы, эти метрики оказываются бессильны. Подобные организации используют множество разнородных ресурсов (входов) для создания множества разнородных продуктов и услуг (выходов). Для решения этой проблемы в рамках исследования операций был разработан метод Анализа среды функционирования (Data Envelopment Analysis, DEA). Этот мощный непараметрический математический аппарат позволяет объективно вычислять относительную эффективность сложных организационных единиц, опираясь исключительно на алгоритмы многомерного линейного программирования.
Подробнее

Деревья решений: вероятностный анализ и байесовские сети в управлении рисками

В условиях стохастической неопределенности, когда результаты принимаемых решений зависят от случайных факторов, классические детерминированные модели исследования операций теряют свою прогностическую ценность. Для структурирования сложных многоэтапных процессов выбора в экономике и риск-менеджменте был разработан аналитический аппарат деревьев решений (Decision Trees). Эта графическая и математическая методология позволяет лицу, принимающему решение (ЛПР), визуализировать последовательность альтернатив, возможных состояний внешней среды и их финансовых последствий, обеспечивая строгий количественный базис для минимизации убытков и максимизации ожидаемой полезности в условиях неполной информации.
Подробнее

Марковские процессы принятия решений (MDP): уравнение Беллмана и обучение с подкреплением

Классические марковские цепи отлично описывают пассивные системы, которые эволюционируют по законам вероятности без вмешательства извне (например, изменение погоды). Но что делать, если исследователь может активно вмешиваться в этот процесс, выбирая действия, которые меняют как вероятности перехода, так и получаемую от системы прибыль? Для моделирования таких управляемых стохастических систем в исследовании операций был создан аппарат Марковских процессов принятия решений (Markov Decision Processes, MDP). MDP стали абсолютным фундаментом для современного машинного обучения с подкреплением (Reinforcement Learning), позволив искусственному интеллекту победить чемпионов мира в сложных стратегических играх.

Подробнее

Соц. сети