(精品)管理运筹学-决策分析

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,第十五章 决策分析,确 定 型 决 策 问 题,在决策环境完全确定的条件下进行,不 确 定 型 决 策 问 题,在决策环境不确定的条件下进行，对各自然状态发生的概率一无所知,风 险 型 决 策 问 题,在决策环境不确定的条件下进行，各自然状态发生的概率可以预测,1,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：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（收益矩阵）：,1 不确定情况下的决策,2,1 不确定情况下的决策（续）,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,(,S,i,N,j,),表示收益值,3,1 不确定情况下的决策（续）,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,(,S,i,N,j,),表示收益值,4,三、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/事件数 ，然后计算各行动方案的收益期望值。,用,E(,S,i,),表示第,I,方案收益期望值,1 不确定情况下的决策（续）,5,四、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,（01,），然后计算：,CV,i,=, * max ,(,S,i,N,j,) + （1-,）* min ,(,S,i,N,j,),从这些折衷标准收益值,CV,i,中选取最大的，从而确定行动方案。,取, = 0.7,1 不确定情况下的决策（续）,6,五、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,a,ij,表示后悔值,，,构造后悔值矩阵：,1 不确定情况下的决策（续）,7,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。,2 风险型情况下的决策,8,二、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(,S,i,) =,P(,N,j,), ,(,S,i,N,j,),2 风险型情况下的决策（续）,9,三、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,决策点 方案节点 结果节点,2 风险型情况下的决策（续）,10,前例,根据下图说明,S,3,是最优方案，收益期望值为6.5,2 风险型情况下的决策（续）,决策,S,1,S,2,S,3,大批量生产,中批量生产,小批量生产,N,1,(,需求量大 )；,P(N,1,) = 0.3,N,1,(,需求量大 )；,P(N,1,) = 0.3,N,1,(,需求量大 )；,P(N,1,) = 0.3,N,2,(,需求量小 )；,P(N,2,) = 0.7,N,2,(,需求量小 )；,P(N,2,) = 0.7,N,2,(,需求量小 )；,P(N,2,) = 0.7,30,-6,20,10,-2,5,4.8,4.6,6.5,6.5,11,四、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(N,1,) = p , P(N,2,) = 1-p .,那么,E(S,1,) = p,30 + (1-p),(-6) = 36p - 6,p=0.35,为转折概率,E(S,2,) = p,2,0 + (1-p),(-2) = 22p - 2,实际的概率值距转,E(S,3,) = p,1,0 + (1-p),(+5) = 5p + 5,折概率越远越稳定,2 风险型情况下的决策（续）,E(S,1,),E(S,2,),E(S,3,),0,1,0.35,p,取S,3,取S,1,12,五、全情报的价值（,EVPI）,全情报：关于自然状况的确切消息。,前例，,当我们不掌握全情报时得到,S,3,是最优方案，数学期望最大值为 0.3*10 + 0.7*5 = 6.5万 记,EV,W0,PI,若得到全情报：,当知道自然状态为,N,1,时，决策者比采取方案,S,1,，,可获得收益30万，概率0.3,当知道自然状态为,N,2,时，决策者比采取方案,S,3,，,可获得收益5万, 概率0.7,于是，全情报的期望收益为,EV,W,PI = 0.3*30 + 0.7*5 = 12.5,万,那么，,EVPI = EV,W,PI - EV,W0,PI = 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,。,2 风险型情况下的决策（续）,13,六、具有样本情报的决策分析,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；,前例，,如果请咨询公司进行市场调查，可以根据样本情报来修正先验概率，得到后验概率。如此用决策树方法，可得到更高期望值的决策方案。,2 风险型情况下的决策（续）,14,效用：,衡量决策方案的总体指标，反映决策者对决策问题各种因素的总体看法,使用效用值进行决策：,首先把要考虑的因素折合成效用值，然后用决策准则下选出效用值最大的方案，作为最优方案。,例：,求下表显示问题的最优方案（万元）,3 效用理论在决策中的应用,15,用收益期望值法：,E(S,1,) = 0.3,60,+ 0.5,40,+ 0.2,(-100) = 18,万,E(S,2,) = 0.3,100,+ 0.5,（-40）,+ 0.2,(-60) = -2,万,E(S,3,) = 0.3,0,+ 0.5,0,+ 0.2,0 = 0,万,得到,S,1,是最优方案，最高期望收益18万。,一种考虑：,由于财务情况不佳，公司无法承受,S,1,中亏损100万的风险，也无法承受,S,2,中亏损50万以上的风险，结果公司选择,S,3,，即不作任何项目。,用效用函数解释：,把上表中的最大收益值100万元的效用定为10，,U(100) = 10；,最小收益值-100万元的效用定为0，,U(-100) = 0；,对收益60万元确定其效用值：设经理认为使下两项等价的,p=0.95,(1)得到确定的收益60万；,(2)以,p,的概率得到100万，以 1-,p,的概率损失100万。,计算得：,U（60）= p*U(100)+(1-p)*U(-100) = 0.95*10+0.05*0,= 9.5,3 效用理论在决策中的应用（续）,16,类似地，设收益值为40、0、- 40、- 60相应等价的概率分别为0.90、0.75、0.55、0.40，可得到各效用值：,U(40) = 9.0； U(0) = 7.5； U(-40) = 5.5； U(-60) = 4.0,我们用效用值计算最大期望，如下表：,3 效用理论在决策中的应用（续）,17,一般，若收益期望值能合理地反映决策者的看法和偏好，可以用收益期望值进行决策。否则，需进行效用分析。,其他思路的例：,见教科书,p364-365,作业：,p373 - 1、4、5、7,3 效用理论在决策中的应用（续）,18,