OR-决策论-200911知识讲稿.ppt

运筹学II Operations Research II ;第十四章 决策论;14.1 基本概念;Date;Date;14.2 确定型和非确定型决策;特征：1、自然状态已知； 2、各方案在不同自然状态下的收益值已知； 3、自然状态发生不确定。 例1：某公司需要对某新产品生产批量作出决策，各种批量在不同的自然状态下的收益情况如下表（损益矩阵）：;一、最大最小准则（悲观准则） 决策者从最不利的角度去考虑问题： 先选出每个方案在不同自然状态下的最小收益值（最保险），然后从这些最小收益值中取最大的，从而确定行动方案。 用V(ui,Sj)表示损益值;二、最大最大准则（乐观准则） 决策者从最有利的角度去考虑问题： 先选出每个方案在不同自然状态下的最大收益值（最乐观），然后从这些最大收益值中取最大的，从而确定行动方案。 用V(ui,Sj)表示损益值;三、等可能性准则 决策者把各自然状态发生看成是等可能的： 设每个自然状态发生的概率为 1/S, S为事件数 ，然后计算各行动方案的收益期望值。 用 E(ui)表示第i方案损益期望值;四、乐观系数准则（折衷准则） 决策者取乐观准则和悲观准则的折衷： 先确定一个乐观系数 ?（0???1），然后计算： CVi = ? * max [V(ui,Sj)] + （1-?）* miS [V(ui,Sj)] 从这些折衷标准收益值CVi中选取最大的，从而确定行动方案。 取 ? = 0.7;五、后悔值准则（Savage 沙万奇准则） 决策者从后悔的角度去考虑问题： 把在不同自然状态下的最大收益值作为理想目标把各方案的收益值与这个最大收益值的差称为未达到理想目标的后悔值，然后从各方案最大后悔值中取最小者，从而确定行动方案。 用aij’表示后悔值，构造后悔值矩阵：;14.3 风险型决策;二、期望值准则 根据各自然状态发生的概率，求不同方案的期望收益值，取其中最大者为选择的方案。 E(ui) = ? p(Sj)? V(ui,Sj);三、决策树法 过程 (1) 绘制决策树； (2) 自右到左计算各方案的期望值，将结果标在方案节点处； (3) 选收益期望值最大(损失期望值最小)的方案为最优方案。 主要符号 决策节点 机会节点 结果节点;前例 根据下图说明S3是最优方案，收益期望值为6.5;四、贝叶斯(BayesiaS)决策 在风险型决策中，除了通过估计与预测获得自然(未来)状态发生的概率外，还可以通过购买、试验或调查获取新信息，对自然(未来)状态发生的概率进行修正，做出决策。 先验概率： 未收到新信息时根据已有信息和经验，预测或估计出的自然(未来)状态发生的概率； 后验概率： 收到新信息，修正后的自然(未来)状态发生的概率；;贝叶斯(BayesiaS)决策常用步骤 验前分析： 根据先验概率按照期望值准则做出决策，得到效益期望值EMV1; 验后分析： 经过试验调查计算所得结果对先验概率分布进行修正，得到后验概率，再作出决策，得到效益期望值EMV2。 全情报价值(EVPI) EVPI= EMV2- EMV1;例1(续)：某公司需要对某新产品生产批量作出决策，各种批量在不同的自然状态下的收益情况如下表（损益矩阵）： 如果请咨询公司进行市场调查，可以根据调查得来的信息修正先验概率，得到后验概率。根据资料显示，咨询公司进行市场调查的条件概率如下：记调查得到市场需求量大、小的事件为I1、I2， P(I1/S1)＝0.8； P(I2/S1)＝0.2； P(I1/S2)＝0.1； P(I2/S2)＝0.9；;用全概率公式得到 P(I1)＝P(S1)P(I1/S1)＋P(S2)P(I1/S2)＝0.31； P(I2)＝P(S1)P(I2/S1)＋P(S2)P(I2/S2)＝0.69。 再用贝叶斯公式求后验概率 P(S1/I1)＝[P(S1)P(I1/S1)]/P(I1)＝0.7742； P(S2/I1)＝[P(S2)P(I1/S2)]/P(I1)＝0.2258； P(S1/I2)＝[P(S1)P(I2/S1)]/P(I2)＝0.0870；