Математик РУДН предложил новый алгоритм принятия решений
Теория принятия решений — область математики, которая изучает, по каким закономерностям люди принимают решения и выбирают стратегии. В математической постановке принятие решения превращается в задачу оптимизации со множеством критериев — эксперты, мнения и возможные риски превращаются в переменные, а взаимодействие участников и поиск оптимального решения выражаются математическими операциями. Одна из моделей теории — LSGDM — описывает ситуации, когда решение принимается более чем 20 экспертами-участниками. В LSGDM на мнение экспертов влияют внутренние межличностные отношения — например, участники поддерживают мнение тех экспертов, с которыми установлены дружеские отношения. Из-за этого возникает неопределенность — неизвестно, как «убедить» участников скорректировать свое мнение и прийти к консенсусу. Исследователи предложили способ, который позволяет избавиться от этой неопределенности.
«С развитием информационных технологий все большее число лиц участвуют в принятии решений. Поэтому LSGDM стало „горячей точкой“ исследований. Участники в LCGDM представляют различные сферы интересов, поэтому консенсус занимает больше времени и требует модератора, который способен убедить экспертов приблизить свое мнение к консенсусу», — Энрике Эррера-Вьедма, профессор РУДН.
Решение математиков основано на так называемой робастной оптимизации. Это техника, которая позволяет справиться с задачами оптимизации, чувствительными к изменению входных данных — в данном случае к межличностным связям между участниками. Математики предложили новый способ разделения экспертов на группы — или кластеры — в зависимости от степени доверия между ними и близости их отношений. Предложенный алгоритм включает несколько шагов — сначала экспертов разделяют на кластеры, затем выбирают тот кластер, мнение членов которого сильнее всего отличается от общего, и корректируют его. Итерации повторяют до тех пор, пока не будет достигнут консенсус, который устраивал бы всех участников. Каким именно способом добиться, чтобы люди в кластере поменяли мнение, с точки зрения математики не важно. Важна только некоторая обобщенная «цена» переговоров — количество ресурсов, которые нужно потратить на это (время, деньги или любой другой ресурс).
Авторы статьи продемонстрировали работу алгоритма на реальном примере. После вспышки коронавирусной инфекции в Ухане рынок морепродуктов вынужден был закрыться. Управляющим рынка нужно было принять оптимальное решение — компенсировать продавцам убытки так, чтобы те остались довольны, но при этом не разориться. Математики выбрали 20 продавцов, которые выдвинули свои предложения о размере компенсации, которую они хотят получить от владельца рынка за закрытие торговой точки — от 200 до 900 юаней. Участников разбили на четыре группы в зависимости от схожести мнения, соседства торговых мест на рынке и других факторов. Разработанный алгоритм позволил прийти к консенсусу, который устроил и владельца, и арендаторов, всего за три шага — итоговая сумма компенсации составила 880 юаней. При этом для владельца рынка «цена» переговоров оказалась минимальной по сравнению с другими существующими алгоритмами.
Статья опубликована в Information Sciences.
Статья в Indicator.ru.
Ассистент кафедры гистологии, цитологии и эмбриологии медицинского института РУДН, научный сотрудник НИИ молекулярной и клеточной медицины Энар Джуманиязова успешно защитила диссертацию и стала кандидатом медицинских наук сразу по двум специальностям: «Клеточная биология» и «Онкология, лучевая терапия».
На расширенном заседании Ученого совета РУДН звание почетного профессора университета было присвоено Талии Ярулловне Хабриевой, выдающемуся российскому юристу и государственному деятелю.
Талия Хабриева — директор Института законодательства и сравнительного правоведения при Правительстве РФ, академик Российской академии наук, возглавляет Отделение общественных наук РАН. Она стала первой и единственной женщиной-вице-президентом Российской академии наук за
В преддверии 8 Марта мы решили рассказать о некоторых женщинах-ученых РУДН. Сотрудницы вуза поделились с нами, какими достижениями они больше всего гордятся, почему выбрали научную карьеру и о чем мечтают.