8.

Sprendimo priėmimo modeliai

8.1. Sprendimo priėmimo proceso formalizavimas

Sprendimo priėmimas yra procesas, kurio metu tikslui pasiekti
atrenkamas vienas iš galimų variantų.
Formalizuojant sprendimo priėmimo procesą, išskirtinos šios aibės:
 variantų: A  ai ; 
 
 įvykių: I  i j ;
 būsenų: S  sk  ;
 įvertinimų: U  ul  .

 
Įvertinimą nusako realizavimo funkcija U  F ai , i j , sk . Jei A, I, S yra
baigtinės aibės, tai realizavimo funkciją patogu vaizduoti matrica (8.1 lentelė).

8.1 lentelė
Realizavimo funkcijos matrica
Būsena S1 ... Sk ... Sn
Įvykis
il U 11 ... U ik ... U in
: -- ... . ... --
ij U j1 ... U jk ... U ju
: - - -- - ---
im U m1 ... U mk ... U mn

Sprendimo priėmimas, o kartu ir realizavimo funkcija priklauso nuo

sprendimo priėmimo sąlygų, kurios gali būti:
1. Apibrėžtos (determinuotos) sąlygos. Šiuo atveju kiekvienam
pasirinktam variantui yra žinomas fiksuotas įvertinimas. Be to,
sprendimą priimantis žmogus tiksliai žino galimas būsenas;
2. Rizikos sąlygos. Kiekvienas atrinktas variantas su tam tikra tikimybe
gali sąlygoti kelias skirtingas būsenas, o kartu ir rezultatus. Žmogus šiuo
atveju težino kiekvienos būsenos atsiradimo tikimybę;

234
 3. Neapibrėžtos sąlygos. Šiuo atveju žmogus težino tik galimų būsenų
aibę, tačiau nežino jų atsiradimo tikimybių.
Priimant sprendimą, kiekvienu konkrečiu atveju svarbu atsižvelgti į
problemos esmę. Kasdienės problemos sprendimas, fiksavus naujus duomenis,
iš principo skiriasi nuo unikalios ar nežinomos problemos sprendimo. Todėl
visi sprendimai skirstomi į tipinius ir netipinius.
Tipiniuose sprendimuose variabtas dažniausiai atrenkamas standartine
procedūra. Sprendimas priimamas ir perkeliamas į vidurinį ar žemąjį valdymo
lygį. Šio uždavinio pavyzdys – kritinės gamybos apimties nustatymas, kintant
kintamosioms ir fiksuotoms išlaidoms.
Netipiniai sprendimai priimami nestandartinėse, nepasikartojančiose
situacijose. Čia neegzistuoja standartinių procedūrų (pvz., Lietuvos ūkio
pervedimas į rinkos ekonomiką).
Priimant sprendimus patyręs vadovas naudojasi trijų tipų priemonėmis:
 algoritmais;
 euristinėmis taisyklėmis;
 modeliais.
Algoritmai dažniausiai sutapatinami su matematikos formulėmis,
naudojamomis tipiniuose sprendimuose. Kai sprendimas įmanomas,
algoritmai dažniausiai užtikrina šio sprendinio radimą.
Netipiniuose sprendimuose dažniausiai remiamasi euristinėmis
taisyklėmis. Jos padeda sumažinti peržiūrimų alternatyvų aibę ir leidžia
greičiau rasti geriausią sprendimą. Euristinėmis taisyklėmis gautas sprendinys
ne visada esti optimalus, bet priimtinas.
Modeliuose apibūdinamos žinios apie nagrinėjamą problemą; jie leidžia
priimti sprendimus, atsižvelgiant į įėjimo kintamuosius.

8.2. Sprendimo priėmimas apibrėžtomis sąlygomis

Šiomis sąlygomis priimtas sprendimas (pasirinktas variantas) ir pasekmė
yra vienareikšmiškai apibrėžti. Geriausias variantas yra tas, kuris užtikrina
geriausią pasekmę.
Esant vienam fiksuotam efektyvumo kriterijui, sprendimo priėmimas
tampa optimizacijos uždavinio sprendinio paieška.
Kritinio taško analizės uždavinys, parenkant gamybos technologiją, yra
puikus algoritmo sprendimo priėmimo apibrėžtomis sąlygomis pavyzdys.
Uždavinys. Galimi trys gamybos technologijos variantai, apibūdinami
skirtingomis išlaidomis (žr. 8.2 lentelę).

235
 8.2 lentelė
Gamybos variantų išlaidos
Variantas Pastoviosios išlaidos, Vidutinės kintamosios išlaidos,
tūkst. Lt Lt
FC AVC
I 100 25
II 75 40
III 50 50
Reikia nustatyti:
1. Kuris variantas ekonomiškiausias, kai gamybos apimtis – 10 tūkst.vnt.
2. Kiek reikia parduoti gaminių, jei pageidaujamas gaminio vieneto
(PRAT) pelnas yra 50 tūks. Lt ir gaminio kaina 100 Lt?
Sprendimas. Kiekvieno technologijos varianto bendrosios išlaidos
nustatomos taip:
TC  FC  AVC  Q ;
TCI  100  25 10  350 tūkst. Lt;
TCII  75  40  10  475 tūkst. Lt;
TCIII  50  50  10  550 tūkst. Lt.
Šie skaičiavimai rodo, kad I technologijos variantas yra geriausias.
Pageidaujamos pardavimų apimtys nustatomos taip:
( PRAT  FC)  1000
Q ;
PR  AVC

QI 
 50  100  1000  2000 vnt.;
100  25

QI I 
 50  75  1000  2083 vnt.;
100  40

QI I 
 50  50  1000  2000 vnt.
100  50
Pirmoji uždavinio dalis leidžia atrinkti geriausią variantą, o antroji tik
įvertinti kiekvieną variantą.
Sprendimo priėmimo modelio pavyzdys gali būti darbų paskirstymo
uždavinys buhalterijos darbuotojams.
Uždavinys. Sakysim, yra trys darbuotojos, kurioms reikia atlikti tris
buhalterines operacijas. Darbų trukmės pateiktos 8.3 lentelėje.

8.3 lentelė

236
 Operacijų atlikimo trukmės
Buhalterė Laiko sąnaudos operacijai atlikti (min.)
Pavardė Nr. ti1 t i2 ti3
Jonaitienė i 1 2 2 4
Petraitienė i 2 3 3 2
Onaitienė i 3 6 1 5
Geriausias darbų paskirstymas bus tas, kurio visų darbų atlikimo trukmė
yra mažiausia. Šio uždavinio sprendinys – tai darbo paskyrimas kiekvienai
buhalterei. Galimų variantų skaičius yra k=n!, kur n=3.
Sprendimas. Jei xij  1 pažymėsime tai, kad i-oji buhalterė atliks j-ąjį
darbą, tai kiekvieną galimą variantą apibūdina šis įvertinimas:
n n
Uk    tij xij ; (8.1)
i 1 j 1
Ti  min(U k ) .
Visų galimų alternatyvų įvertinimai pateikti 8.4 lentelėje.
8.4 lentelė
Variantų įvertinimai
Variantas Įvertinimas
Ak Struktūra Uk
A1 x11=x22=x33=1 2+3+5=10
A2 x11=x23=x32=1 2+2+1=5
A3 x12=x22=x33=1 2+3+5=10
A4 x12=x23=x31=1 2+2+6=10
A5 x13=x22=x31=1 4+3+6=13
A6 x13=x21=x32=1 4+3+1=8

Taigi geriausias sprendimas yra antrasis, nes čia T2=5, ir tada pirmoji
buhalterė atliks pirmąją operaciją, antroji – trečiąją, o trečioji – antrąją.

8.3. Sprendimo priėmimas rizikos sąlygomis

Išlaidų ir kritinio taško analizė gali būti kaip sprendimo priemonė tik
paprastiems sprendiniams, kuriems nereikia atsižvelgti į ankstesnius
sprendimus. Kai kiekviename etape priimamas sprendimas lemia kitus,
naudojamos kitos priemonės:
 sprendimo medis;

237
  naudingumo lentelė.
8.3.1. Sprendimo medis
Sprendimo medis yra sprendžiamosios problemos ir jos galimų pasekmių
vizualinis atvaizdas. Čia susiejama problema P , variantai A , pasekmės I ,
būsenos S ir įvertinimai U.
Įprasta sprendimo medžio struktūra pateikta 8.1 paveiksle.

S1 U1 U1
S1
. Si
. . Si
. Ui .
.
. Ui
I1 .
.
Sn I1 .
.
. Sn
.
. Un
. Un
S1 S1
P0 Ii P1 Ii U1
Sn
.
.
. Un . S1
. . U1
S1
U1 . Si
.
. Si .
.
. Im Ui
Im Ui .
. .
.
. Sn
. Sn

Un Un

8.1 pav. Sprendimo medžio struktūra

Sprendimo medis leidžia:

 pavaizduoti sudėtingo daugiaetapio sprendimo priėmimo kelią;
 nustatyti galimo sprendimo įvertinimą.
Sprendimo medžio sudarymą ir patį sprendimo priėmimo procesą
aptarsime, spręsdami konkretų uždavinį.
Uždavinys. Firma “MEGA” sukūrė puikų programų paketą. Galimi trys
variantai:
 paketas už 100 tūkst. Lt gali būti parduotas pramonininkų asociacijai,
kuri užsiėmus paketo tiražavimu;
 gali būti atliktas rinkos tyrimas, ir tada priimtas sprendimas;
 firma pati užsiima paketo tiražavimu.
Rinkos tyrimas kainuos 50 tūkst. Lt. Manoma, kad rasti tinkamą rinką
tikimybė yra 0,5. Jei rinkos tyrimas bus nepalankus, firma manys, kad ji savo
paketą gali parduoti už 60 tūkst. Lt. Jei rinkos tyrimas yra palankus, tai
paketas gali būti parduotas už 200 tūkst. Lt. Kai rinka palanki, galimybė
sėkmingai tiražuoti paketą yra 2 prieš 5. Jei rinkos tyrimas būtų nepalankus,

238
galimybė sėkmingai tiražuoti paketą yra 1 prieš 10. Sėkmingas paketo
tiražavimas duotų 2500 tūkst. Lt pajamų. Jei firma norėtų tiražuoti paketą be
rinkos tyrimo, tai galimybė parduoti paketą yra 1 prieš 4. Nesėkmingo
tiražavimo išlaidos - 500 tūkst.Lt. Ką daryti firmai?
Nubraižome sprendimo medį (8.2 pav.).
Kiekvienos pasekmės, varianto ar problemos naudingumas įvertinamas
tikėtinu naudingumu EV (Expected value):
EV ( I i )   pi U i ;
i

U i , jei variantas Ui ávertintas
EV  Ai   
 EV  I i  , prieðingu atveju;
(8.2)

EV  Pi   max EV  Ai  .
Problemos įvertinimas, atrenkant maksimaliai naudingą variantą,
būdingas šiam uždaviniui. Kituose uždaviniuose gali būti atrenkama
minimaliai naudingas variantas.
Tikėtinas naudingumas to paties sprendimo etapams įvertinti
skaičiuojamas iš dešinės į kairę. Įvertinsime problemos P1 naudingumą:

U 1=100

Parduoti U 2=150
Parduoti
Sėkmingai; U 3=2450
(0,4)
Palanki Tiražuoti
(0,5) P1 I2
Tirti Nesėkmingai; U 4= -550
P0 I1 (0,6)
rinką

(0,5) Nepalanki U 5=10

P2 Parduoti

(0,1) Sėkmingai; U 6=2450

Tiražuoti Tiražuoti
I3
Nesėkmingai; U 7= -550
(0,9)
(0,25) Sėkmingai; U 8=2500

I4
Nesėkmingai; U 9= -500
(0,75)

8.2 pav. Uždavinio sprendimo medis

239
 EV ( I 2 )  0,4  2450  0,6  550  650 ;
EV  A1  U2  150 ;
EV  A3   EV  I 2   650 ;

 
EV  P1   max EV  A1 ; EV  A3   max150;650  650.
Mažesnioji sprendimo medžio šaka, šiuo atveju A1 , toliau
nebenagrinėjama ir tai pažymima simboliu .
Analogiškai įvertinamas P 2 naudingumas:
EV  I 3  0,1 2450  0,9  550  250 ;
EV  A1  U 5  10 ;
EV  A3   EV  I 3   250 ;

        max10;- 250  10.

EV P2  max EV A1 ; EV A3
Įvertinus problemų P 1 ir P 2 naudingumą, reikia įvertinti pasekmes I 1 ir I 4.
EV  I 1  0,5 650  0,5 10  330 ;
EV  I 4   2500  0,25  0,75 500  250 ;
EV  A1  U1  100 ;
EV  A3   EV  I 4   250 ;

100

150

A1 S3 2450
S1
A2
P1 (0,4)
A1 I2
(0,5) S4 -550
[650]
[650] (0,6)
A2 S2 A1 10
I1 P2
P0
S3 2450
(0,5)
[330] [330] [10]
A3
(0,1)
I3
S4 -550
A3
[-250]
S3 (0,9) 2500

I4 (0,25)
S4 -500
[250]
(0,75)

8.3 pav. Įvertintas uždavinio sprendimo medis

240
  
EV  P0   max EV  A1 ; EV  A2 ; EV  A3   max 100;330;250  330 .
Galutinis sprendimo medis pateiktas 8.3 paveiksle simboliu   pažymėtas
laukiamas naudingumas.
Tada atsakymas formuluojamas taip: vykdyti rinkos tyrimą, jei rinka
palanki, paketą tiražuoti, jei rinka nepalanki – parduoti.

8.3.2. Naudingumo lentelė

Kita dažna priemonė sprendimui priimti rizikos sąlygomis yra
naudingumo lentelės – PT (payoff tables). Sprendimų medis dažniausiai
naudojamas nepasikartojančioms problemoms spręsti, o naudingumo lentelės
patogios pasikartojančioms problemoms nagrinėti. Dažnai tenka atrinkti
galimų objekto būsenų variantą. Pavyzdžiui, smulkus prekiautojas turi
nuspręsti, kiek jam kitam mėnesiui sukaupti tam tikrų prekių, įvertinus galimą
paklausą.
Dažniausiai naudojamos varianto atrinkimo taisyklės yra tokios:
 pasirenkamas didžiausio tikėtino pelno variantas;
 pasirenkamas mažiausių bendrųjų ilgojo laikotarpio ir trumpojo
laikotarpio išlaidų variantas;
 pasirenkamas mažiausių bendrųjų išlaidų variantas.
Labiausiai paplitusi pirmoji taisyklė, antroji užtikrina tuos pačius
rezultatus tuo atveju, jei yra gaunamas pelnas, o trečioji naudojama ne pelno
siekiančiose organizacijose arba kai neįmanoma įvertinti pajamų. Visuomet
reikia prisiminti tai, kad taisyklės pasirinkimas kai kada gali pakeisti
galutinius sprendimus.
Uždavinys. Naudingumo lentelės panaudojimą aptarsime, spręsdami
atsargų valdymo uždavinį. Pradiniai statistiniai duomenys pateikti 8.5
lentelėje.
Pirmiausia aptarsime antrąją taisyklę. Tarkime, kad vieno vieneto
trumpojo laikotarpio išlaidos, t.y. išlaidos, susijusios su šios prekės įsigijimu tą
mėnesį, yra 1 Lt. Ilgojo laikotarpio išlaidos, t.y. išlaidos, susijusios su prekės
saugojimu kitais mėnesiais, yra 0,5 Lt. Kokį pasirinkti variantą, atsižvelgiant į
tai, kad reikia mažinti trumpojo ir ilgojo laikotarpio išlaidas?
8.5 lentelė
Pardavimų apimčių statistiniai duomenys
Mėnesių skaičius Pardavimų apimtys, Pardavimo tikimybė P(Q)
vnt.
1 10 0,1

241
 1 20 0,1
4 30 0,4
3 40 0,3
1 50 0,1
  10   1,0
Norint sudaryti naudingumo lentelę, reikia apskaičiuoti išlaidas C ij ,
kurios įvertina A i varianto (sukauptas mėnesio pradžioje prekių kiekis) ir Q j
būsenos (tikėtina mėnesio prekės paklausa) išlaidas.
Kai A 2=20 vnt. ir Q 2=20 vnt., tai papildomai nereikia pirkti prekių ir
nereikia jų sandėliuoti ir išlaidos C 22=0. Analogiškai gauname ir kitiems
diagonaliniams elementams.
Kai A 1=10 vnt. ir Q 4=40 vnt., tai papildomai reikia nupirkti 30 vienetų ir
išlaidos
C14   40  10  10
,  30 Lt .
Kai numatoma sukaupti 40 vienetų, t.y. A 4=40 vnt., o parduodama tik 10
vienetų, t.y. Q 1=10 vnt., tolesniam laikotarpiui reikia sandėliuoti 30 vnt., ir
išlaidos
C41  40  10  0,5  15 Lt .
Analogiškai apskaičiuojamos ir kitos reikšmės. Apskaičiavimo duomenys
surašomi į naudingumo lentelę (8.6 lentelė).
8.6 lentelė
Išlaidų minimizavimo naudingumo lentelė
Qj Galimos išlaidos
10 20 30 40 50
A EV(Ci )
10 0 10 20 30 40 22
20 5 0 10 20 30 13,5
30 10 5 0 10 20 6,5
40 15 10 5 0 10 5,5
50 20 15 10 5 0 9,0
P(Q j) 0,1 0,1 0,4 0,3 0,1

Galimos išlaidos nustatomos taip:

 
EV  Ci    P Qj  Cij .
j
 (8.3)

Pavyzdžiui,

242
 EV  C2   5 0,1 0  0,1 10 0,4  20 0,3  30 0,1  13,5 Lt .
Peržiūrėjus visas galimas išlaidas, matome, kad tikslingiausia yra
pasirinkti ketvirtą variantą, t.y. sukaupti 40 vnt. atsargų.
Tą patį uždavinį išspręsime, remdamiesi maksimalaus pelno taisykle.
Tarkime, kad prekės vieneto įsigijimo kaina yra 10 Lt, o pardavimo kaina yra
15 Lt . Atsargų saugojimo išlaidos nėra vertinamos, taip pat per mėnesį prekės
nėra perkamos.
Norint sudaryti naudingumo lentelę, reikia apskaičiuoti pelną Pij , kuris
įvertina Ai varianto ir Q j pardavimo apimties pelną.
Kai A 4=40 vnt., o Q 1=10 vnt., tai pajamos bus 10 15  150 Lt , išlaidos
40 10  400 Lt ir pelnas P 41=150 – 400=-250 Lt.
Kai A 2=20 vnt., o Q 2=20 vnt., tai pajamos bus 20 15  300 Lt , išlaidos
20 10  200 Lt ir pelnas P22=300 – 200=100 Lt.
Kai A 1=10 vnt., o Q 4=40 vnt., tai pajamos bus 10 15  150 Lt , išlaidos
10 10  100 Lt ir pelnas P 14=150 – 100=50 Lt.
Analogiškai apskaičiuojamos ir kitos naudingumo lentelės reikšmės,
kurios surašytos 8.7 lentelėje.
8.7 lentelė
Pelno maksimizavimo naudingumo lentelė
Qj Galimas pelnas
10 20 30 40 50
Ai EV(Pi )
10 50 50 50 50 50 50
20 -50 100 100 100 100 85
30 -150 0 150 150 150 105
40 -250 -100 50 200 200 75
50 -350 -200 -50 100 250 -20
P(Q j) 0,1 0,1 0,4 0,3 0,1

Galimas pelnas nustatomas taip:

j
  
EV  Pi    P Qj  Pij . (8.4)

Pavyzdžiui,
EV  P3  150  0,1  0  0,1  150  0,4  150  0,3  150  0,1  105 Lt .
Tad, remiantis šia taisykle, geriausia sukaupti 30 vnt. atsargų.

243
 Šio tipo sprendimo priėmimo uždaviniuose kai kada reikia atsižvelgti į
atskirų būsenų įtaką variantams. Tai sąlygoja rizikos laipsnis. Rizikos
laipsniu, naudojant A i variantą, esant B j būsenai, vadinamas skirtumas
maksimalaus tikėtino naudingumo, esant šiai būsenai, ir tikėtinam
naudingumui, šioje būsenoje pasirenkus variantą A i . Tada

 
rij  max EV Pij  EV Pij .
i
  (8.5)

Savaime suprantama, kad rizikos laipsnio didėjimas, t.y r ij>0, visuo-met

teigiamas dydis.
Remiantis 8.7 lentelės duomenimis, apskaičiuojami rizikos laipsniai, jie
surašomi į 8.8 lentelę.
Vidutinis rizikos laipsnis nustatomas taip:


ri   rij  P Q j
j
  . (8.6)

Tada, pavyzdžiui:
ri  0  0,1  50  0,1  100  0,4  150  0,3  200  0,1  110 .

8.8 lentelė
Rizikos laipsnių (nuostolių) lentelė
Vidutinis rizikos
Qj
10 20 30 40 50 laipsnis
Ai
ri
10 0 50 100 150 200 110
20 100 0 50 100 150 75
30 200 100 0 50 100 55
40 300 200 100 0 50 95
50 400 300 200 100 0 180
P(Qj) 0,1 0,1 0,4 0,3 0,1
max EV Pij
i
  50 100 150 200 250

Analogiškai randami ir kitų alternatyvų vidutiniai rizikos laipsniai.

Geriausia alternatyva bus ta, kurios vidutinis rizikos laipsnis mažiausias:
r  min ri   min110; 75; 55; 95; 180  55 .
Tad geriausias variantas yra A 3=30 vnt .

244
 8.4. Sprendimų priėmimas neapibrėžtomis
sąlygomis
Dažnai tenka priimti sprendimus, neturint informacijos apie būsenų
tikimybes, nebent yra žinoma galima būsenų aibė. Priimant geriausią
sprendimą, taip pat pasitelkiama naudingumo lentelė, tik joje nėra būsenų
tikimybių, taigi neskaičiuojamas galimas naudingumas. Geriausias varian-tas
atrenkamas, naudojantis viena iš šių taisyklių:
 Laplaso;
 maksimino (Valdo);
 maksimakso;
 Hurvico;
 minimakso (Sevidžo).
Laplaso taisyklė tinka, kai visos galimos būsenos vienodai tikėtinos, ir
geriausias yra tas variantas, kuris turi didžiausią vidurkį:
Pij
Aim  max ; (8.7)
i n
čia n – būsenų skaičius.
Tada, naudojant 8.8 lentelės duomenis , gaunama:
50  50  50  50  50
A1   50 ;
5
50  100  100  100  100
A2   70 ;
5
150  0  150  150  150
A3   60 ;
5
250  100  50  200  200
A4   20 ;
5
350  200  50  100  250
A5   50 ;
5
Ai  max(50;70;60;20;50)  70  A2 .

Maksimino taisyklė leidžia atrinkti geriausią iš visų blogiausių variantų:

 
Ai  max min Pij  . (8.8)
i  j 
Tai pesimistinė taisyklė. Pirmiausia kiekvienoje eilutėje atrenkamas
minimalus narys, o po to iš jų atrenkamas maksimalus įvertinimas:
A 1=min (50; 50; 50; 50; 50) = 50;
A 2=min (-50; 100; 100; 100; 100)=-50;
245
 A 3=min (-150; 0; 150; 150; 150)=-150;
A 4=min (-250; -100; 50; 200; 200)=-250;
A 5=min (-350; -200; -50; 100; 250)=-350;
A i*=max (50; -50; -150; -250; -350)=50 A1.

Maksimakso taisyklė leidžia atrinkti geriausią iš visų geriausių variantų:

 
Ai  max max Pij  . (8.9)
i  j 

Tai optimistinė taisyklė. Pirmiausia kiekvienoje eilutėje atrenkamas

maksimalus narys, o po to iš jų atrenkamas maksimalus įvertinimas:
A 1=max (50; 50; 50; 50; 50)=50;
A 2=max (-50; 100; 100; 100; 100)=100;
A 3=max (-150; 0; 150; 150; 150)=150;
A 4=max (-250; -100; 50; 200; 200)=200;
A 5=max (-350; 200; -50; 100; 250)=250;
A i *=max (50; 100; 150; 200; 250)=250 A 5.
Kadangi maksimino ir maksimakso taisyklės įvertina pesimistinį ir
optimistinį požiūrį, jos gali būti naudojamos kaip kraštutiniai ribiniai
įvertinimai.
Hurvico taisyklė leidžia sujungti pesimistinį ir optimistinį įvertinimą,
naudojant optimizmo laipsnį x :
 
Ai*  max x max Pij   1  x min Pij  . (8.10)
i  j j 
Optimizmo laipsnis kinta nuo 0 iki 1. Kai x = 0, tai gauname maksimino
taisyklę, o kai x = 1, gauname maksimakso taisyklę. Tarus, kad x = 0,3, ,
gauname šiuos įvertinimus:
A 1=0,350+0,750=50;
A 2=0,3100-0,750=-5;
A 3=0,3150-0,7150=-60;
A 4=0,3200-0,7250=-115;
A 5=0,3250-0,7350=-170;
Ai *=max (50;-5;-60;-115;-170)=50 A1.

Minimakso taisyklė leidžia įvertinti rizikos laipsnius, o kartu ir galimus

nuostolius. Tai santykinio optimizmo taisyklė:
 
Ai*  min max rij  . (8.11)
i  j 

246
Tada, naudodami 8.8 lentelės duomenis, gauname:
A 1=max (0; 50; 100; 150; 200)=200;
A 2=max (100; 0; 50; 100; 150)=150;
A 3=max (200; 100; 0; 50; 100)=200;
A 4=max (300; 200; 100; 0; 50)=300;
A 5=max (400; 300; 200; 100; 0)=400;
A i *=min (200; 150; 200; 300; 400)=150 A2.
Skirtingų taisyklių naudojimas leidžia atrinkti skirtingus variantus.
Neapibrėžtumo sąlygomis taisyklės parinkimas yra žmogaus, priimančio
sprendimą, prerogatyva.

247