【运筹学课件】决策论.pptVIP

OR3 OR3 第十章 决策论 10.1决策的分类 按层次分：战略决策，战术决策 按频率分：程序性决策，非程序性决策 按状态信息分：确定型决策，不确定型决策，风险型决策 决策的三要素：方案、状态、损益矩阵 决策的程序 10.2不确定型决策 悲观准则 乐观准则 折衷准则 等可能准则 后悔值准则 10.3风险型决策 10.3.1决策准则 例1： 1、最大可能准则 取A 3方案，收益30 2、期望值准则 取A 1方案，收益34 EMV（Expected Maximum Value）＝?P(θj)aij . 3、期望值与标准差准则 σ（Ai)＝??P（ θj ）﹝aij- E（Ai）﹞2 σ（A1）＝22，σ（A2）＝17，σ（A3）＝4.5 设常数K代表风险厌恶因子，则期望值与标准差的综合值为：ED(Ai)＝E(Ai)－Kσ（Ai) 设K=1，则 ED(A1)＝34－22＝12 ED(A2)＝32－17＝15 ED(A3)＝28.5－4.5＝24 . 4、生存风险度决策法 生存风险度＝最大损失/致命损失 例2：某企业有200万元资产，火灾概率0.0001，保险费每年500元。 按照期望值法决策： 2000000×0.0001＝200?500 按照生存风险度法决策： 投保：风险度＝500×20/200万元＝0.5％ 不投保：风险度＝200万元/200万元＝100％ 10.3.2 决策树法 把决策问题结构化 例3.某研究所可投标一项70万元的新产品开发项目。若投标，预研费用2万元，中标概率60％，若中标用老工艺花费28万元，成功概率80％，用新工艺花费18万元，成功概率50％，研制失败赔偿15万元，投标还是不投标？中标后用什么工艺？ . . 解： 计算： 状态节点? 70×0.8+（-15）×0.2＝53 状态节点? 70×0.5+（-15）×0.5＝27.5 决策节点 max{53-28，27.5-18}＝25 状态节点?25×0.6+0×0.4＝15 状态节点?0×1＝0 决策节点 max{15，0}＝15 投标，中标用老工艺 10.3.3 贝叶斯决策 1、完全信息价值 EVPI Expected Value in perfect Information是指决策人为获取完全准确的信息，所能支付的信息费的上限。 2、先验概率和后验概率 完全信息无法取得，人们只能根据资料和经验对状态信息做出估计，这就是先验概率。 根据新的信息，对先验概率进行修正，得到的便是后验概率。 设P(θj)是状态θj出现的概率，即先验概率，Si为补充信息事件组，则 P(Si)＝? P(θj)?P（Si/θj） P（Si/θj）? P(θj) P(Si) 3、贝叶斯决策应用举例 某公司拟投资一家电项目，预计市场状态和利润如下表 投资前可向市场调查机构咨询，结果有好、中、差三种，咨询机构信誉表如下，若咨询费用0.5万元，如何决策？ 解： 首先，画决策树 . 计算后验概率，填在图上并计算、决策 10.4 效用理论 10.5 层次分析法 * * 34 32 28.5 60 50 30 40 38 30 20 20 30 -20 -10 15 A1 A2 A3 E（Ai） θ4 0.1 θ3 0.2 θ2 0.5 θ1 0.2 j 1 2 3 4 5 6 不投标 投标 中标 不中 老工艺 新工艺 成功 失败 成功 失败 70 -15 70 -15 0 0 4 3 1 53 27.5 0.8 0.2 0.5 0.5 0.6 0.4 25 -28 -18 15 -2 13 肯定不中标 1 34 32 28.5 60 50 30 40 38 30 20 20 30 -20 -10 15 A1 A2 A3 E（Ai） θ4 0.2 θ3 0.5 θ2 0.2 θ1 0.1 EVPI＝? P(θj)max{aij}－EMV＝0.1×15+0.2×30+0.5×40+0.2×60－34＝5.5 j j P（θj/Si）＝ 15 8 -10 利润 0.45 0.30 0.25 概率P(θj) 好θ1 中θ2 差θ3 状态θj 0.75 0.15 0.10 0.15 0.70 0.15 0.10 0.15 0.75 好S1 中S2 差S3 θ1