管理运筹学第16章决策分析.pptxVIP

第十六章 决策分析;第十六章 决策分析;第十六章　决策分析;构成决策问题的四个要素: 决策目标、行动方案、自然状态、效益值 行动方案集： A = { s1, s2, …, sm } 自然状态集： N = { n1, n2, …, nk } 效益(函数)值：v = ?( si, nj ) 自然状态发生的概率P=P(sj) j =1, 2, …, m 决策模型的基本结构：(A, N, P, V) 基本结构(A, N, P, V)常用决策表、决策树等表示。;;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?(Si, Nj)表示收益值;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?(Si, Nj)表示收益值;三、等可能性准则 ( Laplace准则 ) 决策者把各自然状态发生的机会看成是等可能的： 设每个自然状态发生的概率为 1/事件数 ，然后计算各行动方 案的收益期望值。 用 E(Si )表示第I方案的收益期望值;四、乐观系数(折衷)准则(Hurwicz胡魏兹准则) 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)] 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：; 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、自然状态发生的概率分布已知。 一、最大可能准则 在一次或极少数几次的决策中，取概率最大的自然状态，按照 确定型问题进行讨论。;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(Si) = ? P(Nj)? ?(Si,Nj);三、决策树法 具体步骤： (1) 从左向右绘制决策树； (2) 从右向左计算各方案的期望值，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。 主要符号 决策点 方案节点 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、灵敏度分析 研究分析决策所用的数据在什么范围内变化时,原最优决策方 案仍然有效. 前例 取 P(N1) = p , P(N2) = 1- p . 那么 E(S1) = p?30 + (1-p)?(-6) = 36p - 6 p=0.35为转折概率 E(S2) = p?20 + (1-p)?(-2) = 22p - 2 实际的概率值距转 E(S3) = p?10 + (1-p)?(+5) = 5p + 5 折概率越远越稳定; ;五、全情报的价值（EVPI） 全情报：关于自然状况的确切消息。 在前例，当我们不掌握全情报时得到 S3 是最优方案，数学期望最大值为 0.3*10 + 0.7*5 = 6.5万 记为 EVW0PI。 若得到全情报：当知道自然状态为N1时，决策者必采取方案S1，可获得收益30万，概率0.3；当知道自然状态为N2时，决策者必采取方案S3，可获得收益5万, 概率0.7。于是，全情报的期望收益为 EVWPI = 0.3*30 + 0.7*5 = 12.5万 那么， EVPI = EVWPI - EVW0PI = 12.5 - 6.5 = 6万 即这个全情报价值为6万。当获得这个全情报需要的成本小于6万时，决策者应该对取得全情报投资，否则不应投资。 注：一般“全”情报仍然存在可靠性问题。;六、具有样本情报的决策分析（贝叶斯决策） 先验概率：由过去经验或专家估计的将发生事件的概率； 后验概率：利用样本情报对先验概率修正后得到的概率； 在贝叶斯决策法中，可以根据样本情报来修正先验概率，得到后验概率。