第二章评价模型与决策树.pptVIP

第二章 评价模型和决策树 引言 评价模型的目的是反映决策者对一项决策的结果是否合意的主观判断。在单一准则的确定性情况下，选择这样一个模型常常是容易的，但在有风险和多准则的情况下就要困难得多。 评价模型的两个基本性质 假定我们只有两个方案A1和A2可以考虑,并且假定我们可以预测出这两个方案的结果,分别用O1和O2来表示.假如现在建立评价模型来帮助我们对这些方案进行选择.那么,这种模型应该具备什么性质呢? 首先应当要求它只是O1和O2 两种结果的信息函数.这就是说,方案的选择不应受到与选择其中一个方案的结果毫无关系的外来信息的影响.这个道理似乎很浅显,但在复杂情况下往往很难正确断定采用某一方案时的所有可能影响. 现在将评价模型U定义为结果O1和O2的函数.由于U是函数,U(O1)和U(O2)就是数字.例如,可以得出U(O1)=0.6 和U(O2)=0.4. 再考虑评价模型所要求的第二个性质.它应具有如下的性质:只有在决策者对O1及O2两者更偏向于O1时, U(O1)才大于U(O2).于是,当决策者对取得两种结果O1或O2无所偏向时, U(O1)=U(O2). 显然,当O1优于O2时,采纳备选方案A1就是正确的决策,反之亦然. 这就是评价模型的两个基本性质: 第一,它只是与决策的结果有关的信息的函数; 第二,只是在O1优先于O2时, U(O1)才大于U(O2). 一、确定性条件下的单一准则 从评价模型的角度看，最简单的情况就是在确定性条件下的单一准则。为便于说明起见，让我们回到银行的例子上去。假定我们有100美元要投资，并假定只有两种可选的投资方式：一是 A1 ，即年利为7%的银行存款；二是 A2 ，年利为5%的另一银行存款。两个账户都是完全保险的，除利率外，其他各方面都相同。 这肯定是个很平常的例子。无疑，你已经注意到第一方案A1的结果O1是107美元,而O2仅为105美元.这样,我们就鉴定了A1和A2两个方案,并且肯定地预测出它们的结果.按照运筹学模型图解,为了作出决策还需要一个评价模型.但在本例中, A1显然是正确的决策.为什么是这样呢? 道理很简单,只有一个准则,那就是钱.而且至少在现代社会里,大多数人都认为钱多比钱少好.也就是说,大多数人都愿意拿107美元而不是105美元.所以在作决策时,我们实际上已用了评价模型,因为我们认为钱多比钱少好;由于没有涉及复杂事物的风险,因此选择评价模型就不是个尖锐问题.只要让U(Oi)= Oi ,i= 1或2,就可以建成一个明显的评价模型.也就是说,只要确定了评价函数,它就会把数字107指定为结果107美元,把105这个数字指定为结果105美元.请注意,这个定义满足了评价模型所要求的两种性质.它是结果的函数,只要O1优先于O2时, 则U(O1)大于U(O2). 函数U(Oi)= Oi并不是满足这些性质的唯一函数.例如,只要Oi ? 0时,V( Oi )= Oi 2和V( Oi )= 2Oi也都可以成立。这两个函数的结果与U(Oi)= Oi的结果一致,即保持同样的优劣次序。 因为类似于简单评价函数U(Oi)= Oi的任何保序变换都适合于我们的问题,显然就有相当多的评价模型可供选择,并且得出相同的决策。我们很容易对问题的正确决策A1取得一致意见,而不必过多地考虑U的合适形式.但我们以后会看到,在引入风险或多准则时,情况就不是永远如此。 但是不应该得出这样的结论,即在确定性条件下决策总是很简单的.在管理人员感兴趣的不少问题上,用以产生备选方案的模型可能是非常复杂的,有时可能包括几千种备选方案.在明确找到了评价模型作为鉴定各个备选方案优劣顺序的根据之后,就可以利用运筹学的某些最优化模型(例如线性规划)作为在这些复杂情况下的辅助工具。 二、风险条件下的单一准则 1、从赌博游戏说起 假定让你在两种赌博中挑选一种.在这两种赌博中,你都要用手指弹一个“公正”硬币. 第一种赌法(A1)是,如果硬币落下后正面朝上,你就赢得10美元;但若落下后反面朝上,你就输2美元。 第二种赌法(A2)是,若正面朝上,你就赢得2美元; 若反面朝上,你就输1美元。 这个信息值多少钱呢？从上面得出的预期利润（13500万美元）中减去有风险时的最优决策的预期值（研究与发展战略时为4000万美元）就得出完善信息的价值。即13500万美元- 4000万美元=9500万美元。显然，这是一笔很大的数目。 当然，熟练的管理人员知道，在大多数实际情况下不可能取得关于未