不確定型決策方法

關(guān)于不確定型決策方法第一頁，共九頁，2022年，8月28日定量決策方法價(jià)值分析法確定型決策方法盈虧平衡分析法

悲觀法則（小中取大法）不確定型決策方法樂觀法則（大中取大法）后悔值法則（最小最大法）第二頁，共九頁，2022年，8月28日(二）定量決策法。這種方法主要適用于重復(fù)性的、程序性的決策。定量決策法風(fēng)險(xiǎn)型決策確定型決策（可直接計(jì)算）

期望值準(zhǔn)則最大可能準(zhǔn)則單級(jí)決策樹多級(jí)決策樹

非確定型決策最大最大準(zhǔn)則最大最小準(zhǔn)則后悔值準(zhǔn)則第三頁，共九頁，2022年，8月28日1.確定型決策。指決策面對的問題的相關(guān)因素是確定的，從而建立的決策模型中的各種參數(shù)是確定的。我們只要比較各個(gè)方案結(jié)果的優(yōu)劣，選取其中一個(gè)最好的方案即可。比較常用的有價(jià)值分析法、線性規(guī)劃。（1）價(jià)值分析法。任何決策都是用一定的耗費(fèi)達(dá)到一定的目標(biāo)，能用最少的耗費(fèi)使決策目標(biāo)得到最大滿足的方案便是最優(yōu)方案。①單一目標(biāo)決策

V=F／C式中：V表示價(jià)值系數(shù)；F表示功能，可用貨幣單位、實(shí)物單位來計(jì)量；C表示費(fèi)用或成本。系數(shù)越大，說明方案的價(jià)值越大。這樣，比較不同方案的價(jià)值系數(shù)的大小就可以確定方案的優(yōu)劣。

第四頁，共九頁，2022年，8月28日②多目標(biāo)決策：數(shù)學(xué)模型為：

F=F1a1+F2a2+F3a3+‥‥‥＋Fnan

V=F／Cai為權(quán)數(shù)，且ai＜1,∑ai=1,n為功能（或目標(biāo)）數(shù)目；Fi為子功能或分目標(biāo)（可用貨幣、實(shí)物單位計(jì)量）；

C為總費(fèi)用或總成本通過比較各方案的綜合價(jià)值，就可以決定方案的優(yōu)劣。（2）線性規(guī)劃：是在一定約束條件下求得最優(yōu)方案的一種用于確定型決策的方法。一般地，只有滿足以下幾個(gè)條件，才可以用線性規(guī)劃來求解：①問題的目標(biāo)能用數(shù)值表示；②有可以實(shí)現(xiàn)目標(biāo)的多個(gè)方案；③要達(dá)到的目標(biāo)是在一定約束條件下實(shí)現(xiàn)的。第五頁，共九頁，2022年，8月28日2.非確定型決策。非確定型決策，是指決策者所要解決的問題有若干個(gè)方案可供選擇，但對事件發(fā)生的各種自然狀態(tài)缺乏客觀概率。因此，這類問題不是一個(gè)統(tǒng)計(jì)問題，決策取決于決策者的經(jīng)驗(yàn)、智力和他對待風(fēng)險(xiǎn)的態(tài)度。對這類問題，決策者有三個(gè)準(zhǔn)則可以采用。（1）最大最大準(zhǔn)則(樂觀法則）：這一準(zhǔn)則是設(shè)想采取任何一個(gè)可行方案都是收益最大的結(jié)果發(fā)生，然后比較各方案的行動(dòng)結(jié)果，哪個(gè)方案的收益最大，哪個(gè)方案就是最優(yōu)方案。也就是說，決策者敢于冒風(fēng)險(xiǎn)，對非確定型決策問題總是持樂觀態(tài)度，決策時(shí)總是認(rèn)為會(huì)發(fā)生最好的結(jié)果，然后從各種最好的結(jié)果中選擇更好的一種，所以說最大最大準(zhǔn)則，也稱之為樂觀準(zhǔn)則。

第六頁，共九頁，2022年，8月28日(2)最大最小準(zhǔn)則（悲觀法則）最大最小準(zhǔn)則就是設(shè)想采取任何一個(gè)行動(dòng)方案都是收益最小的狀態(tài)發(fā)生，然后比較各方案的結(jié)果，哪個(gè)方案的收益值最大，哪個(gè)方案就是最優(yōu)方案。這就是說，決策者比較保守，對不確定型決策問題總是持悲觀態(tài)度，總是認(rèn)為會(huì)發(fā)生最不利的結(jié)果，然后從這些最不利的結(jié)果中選出一個(gè)最好的結(jié)果，所以這種準(zhǔn)則也稱悲觀準(zhǔn)則。這種方法也叫“小中取大”法第七頁，共九頁，2022年，8月28日

（3)后悔值準(zhǔn)則。由于非確定型決策問題中各方案的自然狀態(tài)的概率是未知的，這樣就有可能出現(xiàn)這種情況：當(dāng)某種自然狀態(tài)出現(xiàn)時(shí)卻由于錯(cuò)選了方案而蒙受了機(jī)會(huì)損失。后悔值準(zhǔn)則就是要使這種后悔減少到最低限度