9-決策(運(yùn)籌學(xué))(編輯修改稿)
2025-04-24 15:03 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 . 加權(quán)平均 475 565 400 表 1：證券投資收益表（單位：元） 20 先驗(yàn)決策－－最大期望收益 (Bayes)準(zhǔn)則 先驗(yàn)決策問(wèn)題在 WinQSB中的實(shí)現(xiàn)方法完全同于不定決策問(wèn)題的實(shí)現(xiàn)，只是在輸入數(shù)據(jù)時(shí)，需要確定各狀態(tài)的概率而已 . 存在的問(wèn)題 在確定先驗(yàn)概率時(shí)，仍然有相當(dāng)大的不確定性 先驗(yàn)概率在相當(dāng)大的程度上是主觀的，然而安全的決策應(yīng)當(dāng)是基于客觀數(shù)據(jù)和程序的 對(duì)于平均結(jié)果，期望（貨幣上的）收益忽視了可能的結(jié)果對(duì)決策者的影響 2S 2A2A21 信息價(jià)值 ? 通常一個(gè)初步的研究會(huì)對(duì)自然狀態(tài)的概率有一個(gè)更好的近似 . ? 例如 : ? 市場(chǎng)調(diào)研（ Market surveys） ? 市場(chǎng)測(cè)試（ Testmarketing） ? 地震測(cè)試（ Seismic testing for oil） 問(wèn) 題 : 我們得為得到這些信息付多少價(jià)值呢？ 22 全信息價(jià)值 EP（無(wú)更多信息） = 以原始的先驗(yàn)概率用貝葉斯決 策規(guī)則得到的期望收益 EP（擁有全信息） = 如果知道真實(shí)的自然狀態(tài)進(jìn)行 決策得到的期望收益 EVPI = 全信息價(jià)值 = EP（ 擁有全信息 ） EP（ 無(wú)更多信息 ） C = 獲取更多信息的花費(fèi) 如果 EVPI＜ C， 不值得獲取更多的信息 如果 EVPI≥ C, 值得獲取更多的信息 23 【 例 3】 繼續(xù)考慮例 2. 投資者是否需要花費(fèi) 100元購(gòu)買(mǎi)此完全信息 ? 分析 完全信息價(jià)值，為 因此不值得購(gòu)買(mǎi)該信息。 元）元）(565 (600 ????????EMVEPPL（元）35??? EM VEP PLEV PI31 3 序列決策－－決策樹(shù) 某些決策問(wèn)題，在進(jìn)行決策后會(huì)產(chǎn)生一些新情況，此時(shí)需要進(jìn)行新的決策；接著又會(huì)出現(xiàn)新情況，又進(jìn)行新決策。這樣，決策、情況、決策 …… 構(gòu)成一個(gè)序列，即序列決策。描述序列決策的工具是決策樹(shù)。 利用決策樹(shù)對(duì)多階段風(fēng)險(xiǎn)決策問(wèn)題進(jìn)行分析是以期望值準(zhǔn)則為決策準(zhǔn)則。 我們前面的風(fēng)險(xiǎn)決策問(wèn)題可以應(yīng)用決策樹(shù)的方法來(lái)描述。 32 例 4：某公司需要對(duì)某新產(chǎn)品生產(chǎn)批量作出決策，各種批量在不同的自然狀態(tài)下的收益情況如下表（收益矩陣）。 N1發(fā)生的概率是。 自然狀 態(tài) 行動(dòng)方案 N 1 ( 需求量 大 ) P ( N 1 ) = 0 . 3 N 2 ( 需求量小 ) P ( N 2 ) = 0 . 7 S 1 （大批量生產(chǎn)） 30 6 S 2 （中批量生產(chǎn)） 20 2 S 3 （小批量生產(chǎn)） 10 5 33 決策樹(shù) 決策 S1 S2 S3 大批量生產(chǎn) 中批量生產(chǎn) 小批量生產(chǎn) N1( 需求量大 )； P(N1) = N1( 需求量大 )； P(N1) = N1( 需求量大 )； P(N1) = N2( 需求量小 )； P(N2) = N2( 需求量小 )； P(N2) = N2( 需求量小 )； P(N2) =
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1