(专题使用)决策分析.pptxVIP

决策分析;所谓决策，就是为了实现预定的目标在若干可供选择的方案中，选出一个最佳行动方案的过程，它是一门帮助人们科学地决策的理论。;完整的决策过程一般包括四个阶段：;按问题性质和条件，决策分为：;3.风险型决策问题 在决策环境不确定的条件下进行决策，但决策者对即将发生的各自然状态的概率可以预先估计或计算出来。;§1 不确定型的决策分析;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（收益表或收益矩阵）：;一、最大最小决策准则（悲观决策准则） 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。;即确定值;二、最大最大决策准则（乐观决策准则） 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。 ;故它所对应的方案 S1 为行动方案。;三、等可能性决策准则 ( Laplace 准则 ) 决策者把各自然状态发生的机会看成是等可能的，即，设每个自然状态发生的概率为 1/自然状态(事件)数，然后计算各行动方案的收益期望值，从而确定行动方案。 ;故它所对应的方案 S1 为行动方案。;四、乐观系数(折衷)准则(Hurwicz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[? (Si，Nj) ] +（1-?）min[? (Si，Nj ) ] 最后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）;即确定值;五、后悔值准则（Savage 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（机会损失值），构造 后悔值矩阵（机会损失矩阵）：;即确定值;特征： 1、自然状态已知； 2、行动方案已知； 3、各方案在不同自然状态下的收益值已知； 4、自然状态的发生不确定，但???生的概率分布已知。;一、最大可能准则 由概率论知识可知,概率越大的事件其发生的可能性就越大。因此,(在一次或极少数几次的决策中,)可认为概率最大的自然状态将发生，按照确定型问题进行讨论。;二、最大收益期望值决策准则（EMV) 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(Si) = ? P(Nj) ? ? (Si, Nj);即确定值; 前面的决策问题大多是用决策表来表示和分析问题的，它的优点是简单易行。但是，对于一些较为复杂的决策问题，如多级决策问题，只用表格是难以表达和分析的。 决策树法是另一种表示和分析决策问题的方法，它具有直观形象、思路清晰的优点，但其原理同样是使用期望值准则进行决策。;用决策树法进行决策的具体步骤如下： (1) 从左向右绘制决策树； (2) 从右向左计算各方案的期望值(逆序方法)，并将结果标在相应方案节点的上方； (3) 选收益期望值最大 (损失期望值最小) 的方案为最优方案，并在其它方案分支上打∥记号，称剪枝方案。 ;每个决策树由四个部分组成，用符号说明： ;事件1结果;;四、全情报的价值（EVPI） 全情报：关于自然状态的确切的信息。 全情报的价值，记为EVPI，即全情报所带来的额外收益。 通常为了获得全情报，需要一定的投资(经费) 。为此，我们有必要事先计算出全情报的价值，以便我们作出是否投资的决策，即如果获得全情报的成本小于全情报的价值，决策者就应该投资获得全情报，反之，决策者就不应该投资获得全情报。 ; 在例 2 中, 当我们不掌握全情报时, 我们得到S3是最优行动方案，其数学期望最大值为 0.3×10 + 0.7×5 = 6.5 (万)。 我们称它为没有全情报的期望收益，记为 EVW0PI 。 假定全情报告诉决策者自然状态是 N1, 决策者必采取方案 S1, 可获得收益30万；当全情报告诉决策者自然状态为 N2 时, 决策者必采取方案 S3，可获得收益5万。遗憾的是，这时我们并不知道全情报，但我们可以计算出全情报的期望收益。; 因为N1 发生的概率为0.3；N2 发生的概率为0.7，于是我们有全情报的期望收益为 EVWPI = 0.3×30 + 0.7×5 = 12.5 (万) 于是全情报的价值为 EVPI