决策支持系统05资料讲解.ppt

*;*;5.1 决策支持系统的建模问题;5.2静态和动态模型;5.3确定性、不确定性和风险的处理;5.4建模工具：影响图;;?;;5.5模型实现的方法之电子表格建模;;?;5.6模型与建模工具举例;;投资决策问题可看作二人对策问题，其中一方是投资者，他进行一种选择（或行动）, 另一方则是发生的自然状态，可用收益表表示该问题的数学模型（见表）。表中包含决策变量〔 方案），不可控变量（状态）以及结果变量（收益）。 ;需要考虑不确定和风险两种情况，对于不确定的情况，不需要各自然状态的概率，对于风险的情况假设已知自然状态发生的概率。 1 ．处理不确定性 可采用几种方法处理不确定性，例如， 乐观方法（optimistic approach）要考虑各方案中最好的可能结果，然后好中选优（股票）。 悲观方法（pessimistic approach）要考虑各方案中最差的结果．再从中选最好的（储蓄）。 所有处理不确定性的方法都有缺点，所以建模者应尽量收集足够多的信息，以便可以在确定的或风险的假设下处理问题。;2 ．处理风险 假设稳定增长的概率估计为50% ，停滞的概率为30% ，通货膨胀的概率为20% ，则决策表可重写为已知概率的情况（见表）。 解决这种风险分析问题的最通用的方法是选择具有最大期望值的方案，期望值可通过各结果与其概率相乘后再加起来进行计算。例如，对于债券的期望值可为： 12x0.5 + 6x0.3 + 3x0.2 =8.4（即投资债券，平均收益为8.4%）。;然而，该方法有可能得到危险的策略，即使存在很小概率的灾难性损失，其期望值却似乎是合理的，但是投资者不可能弥补损失，必须注意投资只是一次性央策。 例如，假设投资顾问告知投资决策人投资1 000 元，在一天内投资收益“ 几乎确定” 地可以使该资金翻倍，即：“有0.9999 的概率使你的资金翻倍，但是有0.0001 的概率使你有500000元倾家荡产的损失。” 该投资的期望值为： 0.9999（2000-1000）+0.0001（-500000-1000）=999.90-50.10=949.80 然而，如果实际结果是损失，则对于投资者可能是灾难性的;;;;;;;;;;启发式方法 对于某些复杂决策问题，确定最优解可能受到时间和费用的限制，或者是不可能的。另外，仿真方法可能是费时的、复杂的甚至???不精确的，在这种情况下，通过应用启发式方法有时可用较少的费用和较快的速度达到满意解。 启发式过程也可描述有助于求解复杂问题的寻找规则，找出检索和解释的信息，然后确定计算机算法或一般解的方法。 虽然启发式方法主要用于求解不良结构问题，但也可用于求解良好结构的复杂问题（例如，许多需要求解的大规模组合问题），比用最优化算法可更快和更经济地得到满意解。 启发式方法中的主要困难是它不像算法那样具有一般性，所以通常只用于求解特定情况，位得注意的是启发式方法也有可能得到差的解。 启发式规划是一种应用启发式的方法，以求得某些复杂问题“ 足够好的” 可行解。通常认为“足够好的”解可达到最优解目标值的90 ％一99 . 9 ％。 启发式方法可以是定量的，也可以是定性的。;;;;;?;仿真的主要特点 首先，仿真不是严格的模型，仿真通常是模仿现实．在实际意义上，这意味着与其他模型相比较，仿真模型对现实简化较少。 其次，仿真是进行实验的技术，包括对模型中特定的决策变量或不可控变量值的实验，以观察其对输出变量的影响。 第三，仿真是描述性工具而不是规范性工具，即没有最优解的自动搜索。仿真描述或预测系统的待征，一旦特征值计算出来，就可以在几个方案中选择最好的。仿真过程通常包含多次重复实验，以获得对最终效果的估计。 最后，只有当问题太复杂以至于不能用最优化技术（例如线性规划）处理时，才采用仿真;;( 6 ）仿真是按特定问题构造的，并且一般不用于解决其他问题，于是因此不需要管理者对其有全面的了解。仿真模型的每个部件相当于现实模型的一部分。 ( 7 ）仿真可用于处理多种类型的问题，例如库存管理、职工管理以及高层管理（如长期规划）。 ( 8 ）管理者可对不同的变量进行实验．以确定哪个是重要的，并对各种方案进行实验以确定最好的方案 ( 9 ）仿真一般允许包含复杂的现实问题，不必进行简化。例如仿真可用实际概率分布，而不用假设的理论分布。 ( 10 ）很容易直接从仿真中得到对行为的度量。 ( 11 ）仿真通常是面向某些非结构化问题的DSS 的惟一建模工具。 ( 12 ）在表格软件中有嵌入的仿真包。;;?;1 ．问题定义 研究现实世界的问题并分类，需说明为什么必须仿真，还需要弄清系统边界和问题的其他方面。 2 ．构造仿真模型 需确定变量及其关系，并收集必需的数据，通常可用流程图描述处理过程，然后编写计算机程序。 3 ．测试和验证系统的有