6) если граф не пуст, то переход на шаг 2;
7) конец.
В результате выполнения рассмотренного алгоритма некоторые
вершины попадут на один уровень предпочтений. Если все верши-
ны будут различимы, то в конце работы алгоритма
p
= 0
. Если все
вершины неразличимы, то
p
=
L
+
Q
−
1
. Определим синтетический
показатель уровня неразличимости на полном множестве:
Z
=
p
L
+
Q
−
1
∙
100 %
.
Чем детальней пользователь задаст предпочтения, тем меньше бу-
дет это число. Если пользователя не устраивает результат работы ме-
тода, то следует указать ему на необходимость понижения значения
Z
.
Обычно градация или множество включает в себя более одного
возможного значения критерия. Для сопоставления различных векто-
ров пространства критериев, входящих в одно множество или в одну
ячейку, необходимо добиться изменения итоговой оценки альтернати-
вы при изменении критерия в рамках одного уровня предпочтений.
Для этого вычисляем итоговое значение предпочтений:
Y
(
X
) =
P
(
X
) +
D
(
X
)
,
где
P
(
X
)
— целочисленный уровень предпочтений, определенный по
алгоритму разбора графа;
D
(
X
)
— оценка, полученная количествен-
ным методом свертки векторного критерия, которая рассчитана в рам-
ках той области (множества или ячейки), куда попало значение вектора
X
и нормированная в пределах от 0 до 1.
Количественные методы свертки не позволяют работать с лекси-
ческими критериями, поэтому каждая область по лексическому кри-
терию не должна содержать более одной градации. В этом случае из-
менение уровня предпочтений по данному критерию в рамках одной
области не происходит.
Функцию
Y
(
X
)
, с помощью которой вычисляется итоговое значе-
ние предпочтений, будем называть
гибридной функцией предпочтений
(ГФП).
Значение итоговой оценки альтернативы, получаемое указанным
методом, состоит из целой части, отражающей качественные сужде-
ния пользователя, и дробной части, отражающей применения количе-
ственных методов для повышения чувствительности и возможности
оптимизации на непрерывном множестве.
С одной стороны, предлагаемый метод позволяет существенно
упростить процедуру построения функции предпочтений, задавая ее
подробно не на всем критериальном пространстве, а с другой — ис-
пользовать преимущества количественных методов свертки векторных
критериев (как правило, требуется меньший объем информации при
122 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2014. № 3
