1、1第十二章 决策分析人们在社会实践的各个领域中，经常会遇到各种各样的决策问题。对于某一决策问题，一般总有多个可行方案可供决策者选择。当我们采取某一可行方案后，可能会出现事先不能确切预知的状态。作为决策者，自然希望在若干可供选择的可行方案中能够作出决策，选择出最佳的可行方案，以达到预期的目标。作为决策问题，一般应该具备下列条件：（1）存在一个明确的目标；（2）存在至少两个及以上可供选择的可行方案（下面称为策略） ；（3）存在一种或几种不以人的意志而改变的自然状态； （4）各可行方案在各自然状态下可计算相应的收益值。决策分析就是研究这种不确定性的决策问题的科学方法，旨在完善决策过程。学习和掌握科学
2、的决策分析方法，对管理决策者提高决策水平是十分必要的。科学的决策一般遵循这几条原则：定量分析与定性相结合；个人决策与集体决策相结合；现实与创新相结合。决策问题可以按照决策内容的重要性、决策时间的长短、决策目标的性质、决策问题所处的条件和性质等不同角度分成许多类型。本章仅按决策问题所处的条件和性质所分的类型来进行讨论。我们将决策问题的类型分为确定型决策、非确定型决策和随机型决策。确定型决策是指决策问题的条件和性质完全确定，作出的某项选择的结果也是确定的。随机型决策指在决策过程中选择某项策略时，可能有若干个自然状态出现，并可根据统计规律知道这些自然状态出现的概率分布。非确定型决策是指在决策问题过程
3、中，选择某项策略时，引发的自然状态不可预测。下面我们对随机型决策和非确定型决策介绍相关的方法。1 2.1 随机型决策方法随机型决策又称为风险型决策，主要应用于产品开发、技术改造、风险投资等决策问题。设 Si 为可能选择的第 i 个策略，N j 为可能出现的第 j 个自然状态，那么随机型决策问题一般可用下述五个要素来描述：（1） 策略集 = S1, S2, , Sm（m2） ；（2） 自然状态集 =N1, N2, , Nn（n2） ；（3） 收益函数 f( Si , Nj)= 采取 Si 策略而出现状态 Nj 时的收益值； ija（4） 自然状态的概率分布 P(Nj)状态 Nj 出现的概率（N
4、j ） ； 2（5） 决策目标 V。收益函数 f( Si , Nj)可以由矩阵 A= 给定，我们称矩阵 A 为收益矩阵。ija也可描述成如下决策收益表： 表 12-1 f( Si , Nj)状态 Nj 以及概率分布 P（N j）N1 N2 NnP（N 1） P（N 2） P（Nn）S1策 S2略 Si Sma11 a12 a1na21 a22 a2n am1 am2 amn下面我们来介绍随机型决策问题的方法。12.1.1 期望值准则与卖报童问题例 121 某企业为了提高经济效益，决定开发某种新产品，产品开发生产需要对设备投资规模作决策。设有三种可供选择的策略：S1：购买大型设备； S2：购买中
5、型设备； S3：购买小型设备。未来市场对这种产品的需求情况也有三种：N1：需求量较大；N 2：需求量中等；N 3：需求量较小。经估计，各种方案在不同的需求情况下收益值见表 12-2。表 12-2f( Si , Nj)N1P(N1)=0.3N2P(N2)=0.4N3P(N3)=0.3S1S2S3503010202510201010表中数据 f( Si , Nj)出现负数，表示该企业将亏损。现问企业应选取何种策略，可使其收益最大？解 根据收益值表 12-2，可以分别求出采用策略 S1、S 2、S 3 的效益期望值E（S 1） 、E（S 2） 、E （S 3）：E（S 1） =500.3200.4(
6、20)0.3=17E（S 2） =300.3250.4(10)0.3=16E（S 3） =100.3100.4100.3=10如果我们采用“收益期望值”最大作为决策的准则，那么就选取策略 S1，即购买大型设备作为决策方案。这种通过计算出各个策略的收益期望值，按照大小作为决策标准的决策准则，我们称为期望值准则。期望值准则一般分两步：3（1）根据各种策略在不同的自然状态下的收益值和各种自然状态出现的概率，求出收益期望值 E（S i ） ， =1, 2, ,m；（2）比较收益期望值的大小作出决策。下面我们用期望值准则来解决一个存储问题。例 122 已知顾客对商店中某种食品每天需求量 Nj 的概率分布
7、如下：表 123需求量 Nj 0 1 2 3 4 5 6 7 8P（N j） 0.05 0.10 0.10 0.25 0.20 0.15 0.05 0.05 0.05每出售一件食品，商店可获利 4 元；若当天卖不掉，每件食品将损失 3 元。试问商店对这种食品每日应进货多少?解：我们来计算需求量的期望值 E：10.10+20.10+30.25+40.20+50.15+60.05+70.05+80.05 =3.65。于是，我们采取三个策略：进货量分别取 S1=2，S 2=3，S 3=4。表 124 给出了这三种策略的期望值。所谓纯利润就是从出售的获利中减去因未能出售而遭受的损失，负的利润表示损失。
8、表 124f( Si , Nj)需求量 Nj 概率 P（N j） S1=2 S2=3 S3=40 0.05 6.50 9.75 13.001 0.10 0.75 4.00 7.252 0.10 5.00 1.75 1.503 0.25 5.00 7.50 4.254 0.20 5.00 7.50 10.005 0.15 5.00 7.50 10.006 0.05 5.00 7.50 10.007 0.05 5.00 7.50 10.008 0.05 5.00 7.50 10.00期望值 E(Si) 3.85 4.9125 4.5375显然，最优策略为每天进货 3 件。关于例 122 实际上就是
9、存储论中著名的报童问题 。我们对它再作进一步的讨论。不失一般性，我们给出报童问题如下：例 123 （报童问题）报童每天要到邮局去订报，出售一份报纸可获得利润 a（分） ，但如卖不出退回邮局，每份报纸要损失 b（分） 。根据以往经验，得知每天需求量为 k 份的概率为 。问报童每天应订购多少份报纸，才能使它获kp利的期望值最大。解 设报童每天订购的份数为 n 份，顾客每天需求量 X 是一个随机变量，于是，有 ，报童每天的利润 可用下列公式来表示：()kPX()f4= ()fX,;().anXnb若若因此报童获利的期望值为：= （121）0()()kEffPk100().nkkaPan报童需要做出的
10、决策：确定一个订购数 n，使得 最大。()EfX我们采用边际分析法来求解报童问题例 123，也即利用价格结构来检验和判断在什么情况下，再多订一份报纸是合算的。假设报纸订购数取 n 份是合算的，现考察再多订一份报纸是否合算，也就是考察第 n+1 件报纸的利润期望值。第 n +1 份报纸售出时，获利为 a 分，售不出去时获利为（- b ）分。因此，此时多订一份报纸的利润期望值为：,()1()apbabp其中 。所谓合算，就是利润期望值大于零。故由 ，PXn ()0abp可解得售出概率 应满足下述不等式（122）bpa其中 =P(X n+1)= 1- pniiX0)(于是，我们取满足下式的 n*为报
11、纸的最佳订购量：P(Xn *) = min p(Xn )| p(Xn ) , n=0,1,2 （123）ab下面我们用边际分析法来求解例 122。因为我们引进了需求量随机变量X，所以我们将表 123 作一点修改并就在表中进行计算，如表 125：表 125n 0 1 2 3 4 5 6 7 8P(X=n) 0.05 0.10 0.10 0.25 0.20 0.15 0.05 0.05 0.05P(Xn) 0.05 0.15 0.25 0.50 0.70 0.85 0.90 0.95 0.10P(Xn+1) 0.95 0.85 0.75 0.50 0.30 0.15 0.10 0.05 0.00现
12、在本问题中，a=4，b=3，所以 0.43，在 n=3 时，P(X3+1)= 0.50 满足ba式（123） ，所以最佳订购量 n*=4 件。如果卖报童问题中的顾客每天需求量 X 是一个连续型随机变量，它的概率密度函数为 ，则式（12-1）成为：()fx(12-4)0()()n nEaxfdafxd5从 中解出 n， 可知 n 应该满足下式：()0dEfXn= (12-5)n0()fxdab满足此式的 n*即为报纸的最佳订购量。虽然 n*的值没有能够以显式的形式给出，但是如果概率密度函数知道了，便可通过计算或者查表得到 n*的值。例如，a=3，b=1，现在 X 是 2000，4000上均匀分布
13、的连续型随机变量，它的密度函数为1,2040()xfx其 它由(12-5) 知， = = =0.75，于是，有 n-2000=1500,n20fdab3因此，报童的最优策略是订购 3500 份。 12.1.2 决策树在实际问题当中碰到的随机型决策问题，往往是一类多阶段决策问题，这类问题在应用期望值准则作决策时，还可以借助于决策树的方法来解决。决策树就是将问题中有关策略、自然状态、概率及收益值等，通过线条和图形用类似于树状的形式表示出来。例如，图 121 就是例 121 决策问题的决策树。其中表示决策点，由此引出的分支称为策略分支；表示自然状态结点，由此引出的分支称为概率分支，分支旁标明的数字就
14、是各个状态的概率；表示决策终点，旁所标的数字表示各个策略在相应的状态下的收益值；上面的数字为相应策略的收益期望值。在图 121 的决策树中，策略 S1 的期望值最大，故选取 S1。N3，0.3N1，0.3N2，0.4N3，0.3N1，0.3N2，0.4N3，0.3N1，0.3N2，0.4S1S2S3171610506206-20300625-10105061050610506图 12-1借助于决策树，利用期望值准则作决策，具体步骤如下：（1）绘制决策树：自左至右绘制；（2）计算期望值：自右向左计算各策略的期望值，并将结果标在相应的状6态结点处；（3）选择策略：根据期望值最大准则从后向前进行“剪
15、枝”决策，直到开始的决策点，选出期望值最大的策略。例 124 某化工厂原料车间，欲对旧工艺进行革新，采用新工艺。取得新工艺有两种策略：一是自行研究，成功的可能性为 0.6；二是买专利，估计谈判成功的可能性为 0.8。无论研究成功或谈判成功，生产规模都考虑两种方案：一是产量不变；二是增加产量。如果研究或谈判都失败，则仍采用旧工艺进行生产，并保持原产品产量不变。根据市场预测，估计今后几年内这种产品价格下跌的概率是 0.1，价格中等的概率是 0.5，价格上升的概率 0.4。经过分析计算，得到各个策略在不同价格的情况下的收益值，收益情况如表 12-6：表 12- 6 （单位: 百万元）买专利成功 自行
16、研究成功收益 旧工艺产量不变 增加产量 产量不变 增加产量价格下跌价格中等价格上升-1000100-20050150-30050250-2000200-300-150600试用决策树方法寻找最优策略。解 （1）绘制决策树 如图 12-2 所示。60P=0.6价格下跌 0.1价格中等 0.5价格上升 0.4P=0.4失败 P=0.2P=0.8成功 产量增加135产量不变9565303030法产量增加产量不变失败成功13595图 12-240100-100-100010050150-200-300502500200-200-300-150600价格下跌 0.1价格中等 0.5价格上升 0.4价格下
17、跌 0.1价格中等 0.5价格上升 0.4价格下跌 0.1价格中等 0.5价格上升 0.4价格下跌 0.1价格中等 0.5价格上升 0.4价格下跌 0.1价格中等 0.5价格上升 0.4892156371011自行研究购买专利93827（2）计算各结点的收益期望值 结点 ：E 8=（200） 0.100.52000.4 60； 8结点 ：E 9=（300） 0.1( 150)0.56000.4135； 9结点 ：E 10=（200） 0.1500.51500.4 65； 10结点 ：E 11=（300） 0.1500.52500.4 95； 11结点：E 5=E7=（100）0.100.510
18、0 0.430。因为结点 是决策点,通过以上计算可知，结点的收益期望值大于结点的收益期望值，所以决策点 的收益期望值取 135，即采用增加产量的方案。 4同样，对决策点，由于结点 收益期望值大于结点的收益期望值，所以决 11策点的收益期望值取 95，即采用增加产量的方案。 继续计算结点的收益期望值：结点：E 2=1350.630 0.493， 结点：E 3=950.8300.282（3）选择策略 通过比较后进行“剪枝” ，结点的收益期望值大，所以应选取自行研究的方案。例 125 某电子厂根据需要对应用某种新技术生产市场所需的某种产品的生产和发展前景作决策。现有三种可供选择的策略：一是先只搞研究
19、；二研究与发展结合；三全力发展。如果先只搞研究，有突破的可能性为 60%，突破后又有两种方案：一变为研究与发展结合；二变为全力发展。如果研究与发展结合，有突破的可能性为 50%，突破后有两种方案：一仍为研究与发展结合；二变为全力发展。无论采用哪一种策略，都将对产品的价格产生影响。据估计，今后三年内，这种产品价格下降的概率是 0.4，产品价格上升的概率 0.6。经过分析计算，得到各方案在不同的情况下的收益值，收益情况如表 12-7： 表 12-7（单位：百万元）只搞研究 研究与发展结合有突破 有突破收益无突破变研究与发展结合变为全力发展无突破仍研究与发展结合变为全力发展全力发展产品价格上升产品价
20、格下降100-100200-200300-250200-200250-150350-200400-4008试画出决策树，寻找最优策略。解：按照决策树方法，绘出决策树如图 12-3 所示。根据“决策树”图可知，应采用“研究与发展相结合，如有突破，再全力发展”的策略。12.1.3 灵敏度分析在例 125 当中，我们应该注意到结点与结点处的两个收益期望值非常的接近：E3=（-400）0.44000.6=80， E4=（-200 ）0.43500.60.5（-200）0.42000.60.5=1300.540 0.5=85如果状态的概率稍为发生变化或者收益情况表中的数据稍作变动时，E 3 与E4 的值
21、就会发生变化，这时决策也随之改变。事实上，如果在“研究与发展结合”的方案中，由于该电子厂的技术研究力量比较弱，要有突破的可能性只有 40%（或更低） ，则 E4=（-200）0.43500.60.4（-200）0.42000.60.6=1300.4400.6=76（或更低些） ，即 E4E3 ，这时决策方案就要选择图 12-39“全力发展”策略了。在实际工作中，可把状态概率和收益值等参数在可能的范围内做几次变动，仔细分析这些参数变动后给期望值和决策结果带来的影响。如果参数稍加变动而最优策略不变，则这个策略比较稳定；如果参数稍加变动而最优方案改变，则这个方案是不稳定的，还需要进一步分析，这就是所
22、谓的灵敏度分析。 例 126 某投资公司有一投资决策问题的收益表如表 12-8 所示。表 12-8（单位: 万元）f( Si , Nj)状态 N1P(N1) = 0.7状态 N2P(N2) = 0.3策略 S1策略 S21000-300-4002000试问两个策略哪个是最优，并进行灵敏度分析。解 先计算两方案的收益期望值：E(S1)=10000.7(-400) 0.3 = 580E(S2)= (-300)0.720000.3 = 390根据期望值准则，应选择策略 S1 作为最优策略。下面对这一决策问题进行灵敏度分析分析：（1）假设状态 N1 出现的概率由 0.7 变化到 0.8，此时两个策略的
23、收益期望值相应变化为：E(S1)=10000.8(-400)0.2 = 720E(S2)= (-300)0.820000.2 = 160根据期望值准则，最优策略仍为 S1。（2）假设状态 N1 出现的概率由 0.7 变化到 0.6，此时两个策略的收益期望值相应变化为：E(S1)=10000.6(-400)0.4 = 440E(S2)= (-300)0.620000.4 = 620根据期望值准则，最优策略变为 S2。由（1）和（2）不难发现，当概率 P（0.7，0.8）变动时，收益期望值E(S1) E(S2)的情况没有发生改变，而当概率 P 在（ 0.6，0.7）内变动时，情况就可能发生根本性改
24、变，最优策略可能由 S1 转变为 S2。因此，在区间（0.6，0.7）内，存在一个参数 ，当概率 P= 时发生策略转折。现在，我们不妨假设状态 N1 出现的概率为 ，两策略的收益期望值分别10为：E(S1)=1000(-400)（1-）E(S2)= (-300)2000（1-）为观察 的变化如何对决策产生影响，令 E(S1)= E(S2)，得1000(-400)（1- ）= (-300)2000（1-）解得 =0.65，称 =0.65 为转折概率。可以看出，当 0.65 时，E（S 1）E（S 2） ，应选择策略 S1；当0.65 时，E（S 1）E（S 2） ，应选择策略 S2。1214 贝
25、叶斯决策在随机型决策中，对自然状态 Nj 的概率分布 P（N j）所作估计的精确性，直接影响到决策的收益期望值。我们称概率分布 P（N j） （j=1,2, ,n）为先验概率。为了提高先验概率的精确性，我们可以对决策系统进行一次试验或者调查，并根据试验或者调查的结果来修改先验概率，以便我们在计算新的各个相关收益期望值时可以把新的信息体现在模型中。我们称这些新的概率分布为后验概率。在这里我们必须指出，在试验或者调查前出现的自然状态，和试验或者调查后出现的结果 Z1，Z 2，Z 未必相同。l例如，工厂生产的批量产品的自然状态有两种：N 1 表示为“好”的批量产品，N 2 表示为“不理想”的批量产品
26、。现在知道先验概率 P（N 1）=0.95， P（N 2）=0.05。但是这样的概率分布可信吗？为此工厂进行抽样检查，决定从某一批量产品中检验两件产品样本。于是结果有三种：Z1 为两件都是好的，Z 2 为有一件是好的，Z 3 为两件都是次品。根据统计资料， “好”的批量产品中的次品率是 4%，而“不理想”的批量产品中的次品率是 10% 。因为样本不是从“好 ”的批量产品中抽取，就是从“不理想”的批量产品中抽取，由于“好”的批量产品和“不理想”的批量产品中的次品率我们都已经估计，所以根据二项分布，条件概率 P(ZkN j)完全可以计算出来。然后，我们通过贝叶斯公式来计算条件概率 P(NjZ k)
27、。如果抽样后的结果是 Zk，我们就用 P(NjZ k)代替先验概率 P（N j） 。这就是后验概率的意义。我们再来看另一个实例：某公司对一块已经确定有石油资源的土地是否进行开采需要作出决策（自己开采或者出租） 。估计该地出油量状态有 N1、N 2、N 3 三种，概率分布已经进行了估算。现在公司希望对概率分布作进一步的修正，为此可以考虑是否进行一次“地震试验” 。如果进行试验，那么地质结构的状态有 Z1（好） 、Z 2（较好）、Z 3（一般） 、Z 4（差）四种。而条件概率 P(NjZ k)由统计资料完全可以确定。由于试验需要一笔费用，这样的试验是否需要做呢？11有了这样的准备知识以后，我们现在
28、来给出贝叶斯决策方法：为了使我们在利用期望值准则做决策的时候能够更加正确，我们考虑是否应化费用进行试验或者调查，以得到有关新信息。然后利用这些新信息修正原先对 P（N j）所作的估计，并利用经过修正的概率分布作再作决策。我们假定试验或者调查后出现的结果是 Z1，Z 2，Z ，并且条件概率lP(ZkN j)能够估算出来。贝叶斯决策的基本步骤是：（1（ 验前分析 决策者根据自己的经验和判断估计 P（N j ） ，然后凭借这种验前概率分布和收益函数 f( Si , Nj) ，计算 E（S i） ，利用期望值准则作出决策。假定相应得出的收益期望值为 E* =max E（S i）| i=1,2,m 。
29、（2（ 预验分析 在实际试验或者调查前，可先对是否值得化一笔费用进行试验或者调查以获得新信息进行研究分析，从而作出是否试验或者调查的抉择。（3（ 验后分析 在实际问题中，如果确实进行了试验或者调查，我们根据所得结果对验前概率分布作修正，得出验后概率分布，由新的概率分布和效益函数，计算新的 E（Si ） ，利用期望值准则重新作决策。假定试验或者调查后相应决策所得的效益期望值为 E* = max 新的 E（S i ）|i=1,2, ,m。 （4（ 阶段分析 为了提高决策的正确性，我们将试验或者调查搜索信息的过程划分为若干阶段，在每一阶段都作预验分析和验后分析。那么在预验分析中如何进行抉择呢？如果试
30、验或者调查结果为 Zk，我们利用概率论中的贝叶斯公式，可以算出在结果为 Zk 的条件下，自然状态为 的条件概率 P(NjZ k)：NjP(NjZ k) = （126）1kjjniPii（ |） （ ）（ ） （ ）212ljn ， ， ， ； ， ， ，假设试验或者调查结果为 ，由此用（12-6）算出概率 P(NjZk)后，用它取Zk代 ，与收益函数 f( Si , Nj)一起，利用期望值准则可以算出新的 E（S i）：PNj（ ）新的 E（Si）= i=1,，m （127）1(,(),nijjkjfPZ然后计算 k： k=max新的 E（Si ）|i=1,2,m12利用概率论中的全概率公式，
31、可知试验或者调查结果为 的概率是：Zk（12-8）1|niPZkNiP（ ） （ ） （ ）因此，估算出试验或者调查后决策所得的效益期望值为E* = k P(Zk) （12-9）l1而 E*E *就是如果进行试验或者调查使效益期望值增大的数值。显然，如果E*E *大于试验或者调查的费用，那就可以认为试验或者调查是合算的。如果在决策的过程中确实进行了试验或者调查，并出现结果 Zk，那么P(NjZk)就是验后概率， k 就是这次试验或者调查真正增加出来的收*E益期望值。此时，如果考虑再作一轮新的试验或者调查，那么这次试验或者调查算得的验后概率可以作为下一次试验或者调查的验前概率来使用。例 12-7
32、 在例 12-1 的基础上，我们考虑对市场进行调查， 现假设调查结果为：（当前需求量较大） 、 （当前需求量中等） 、 （当前需求量较小） 。1Z2Z3Z已知 如表 12-9：|PkNj（ ）表 12-9P(ZkN j)N1 N2 N3Z1Z2Z30.630.530.26问在什么条件下可以进行市场进行调查？请作贝叶斯决策。解 先根据式（12-8 ）求出 、 、 如表 12-10。再应用式1()PZ2()3()PZ（12-6 ）计算出 P(NjZ k)，见表 12-10：表 12-10P(ZkN j)P(Nj) 12N3P(Zk)Z1Z2Z30.893.06180.25表 12-11P(NjZ
33、k)N1 N2 N313Z1Z2Z30.56290.257360.1975最后，可得到如图 12-4 所示的决策树。由图可知，E * =19.99 万元，E * =17万元。因此，当调查费用不超过 E* E*=19.99 万元17 万元=2.99 万元的时候，可以进行调查。141 2.2 非确定型决策方法有时我们关于自然状态的信息掌握得很少，无法估算出自然状态的概率分布，因而难以运用随机型决策方法。因此，这类非确定型决策，就要依据决策者的决策偏向进行决策，也就是说在这种情况下主要取决于决策者的主观意志和素质。常用的处理这类非确定型决策问题的方法有：乐观值准则、悲观值准则、图 12-4图 12-
34、115折衷值准则、后悔值准则和等可能准则。我们结合实例来说明这五个准则。例 12-8 某电视机厂为下一年度作广告宣传需要进行投资。现考虑了四个方案：S 1（维持今年水平） ；S 2（增加 5 万元） ；S 3（增加 10 万元） ；S 4（增加20 万元） 。未来电视机市场可能出现四种情况：N 1（有较大上升） ；N 2（略有上升） ；N 3（与今年持平） ；N 4（有所下降） 。收益 f(Si,Nj) = 如表 12-12 所示，由ija于没有认可关于销售量得预测资料，试用各种不同的决策准则求出最优策略。表 12-12（单位：万元）ijaN1 N2 N3 N4S1S2S3S420 10 0
35、-540 20 10 1060 30 20 15100 60 30 5（1）乐观值决策准则采用乐观值决策准则的决策者，属于敢担风险的进取型人才，对未来结果往往持乐观的态度，总是假设出现最有利的状态，认为即使出现不利的情况也未必会有多大的损失，但是一旦出现最有利的情况却能得到很大的收益。乐观值决策准则又称大中取大的准则。该准则为：(a)根据效益矩阵 A= ，确定每一个策略可能获得的最好结果 Mi：ija=iM12mx,1,2.iinm (b)选取 使得 kSak M我们用乐观值决策准则来求解例 12-8。决策过程可以用表 12-13 来说明，其中用黑体字加括号标出的数是 中的最大值 ，因此应采用
36、策略 S4。i 4表 12-13ijaN1 N2 N3 N4 iMS1S2S3S420 10 0 -540 20 10 1060 30 20 15100 60 30 5204060（100）（2）悲观值决策准则采用悲观值决策准则的决策者，决策比较谨慎，不希望因为决策失误而造成失误，是从每一个可能出现的最差结果出发，通过分析多种最坏的可能结果，从中选择最好者，即从最不利的结果中选择最有利的结果。悲观值决策准则又称小中取大的准则。该准则为：（a）根据效益矩阵 A= ，确定每一个策略可能得到的最坏结果 ：ija im16=im12n,1,2.iinam （b）选取 使得 kSxk我们用悲观值决策准则
37、来求解例 12.8。 决策过程见表 12-14，其中用黑体字加括号标出的数是诸 中的最大值 ，因此采用策略 S3。i 3表 12-14ijaN1 N2 N3 N4 im方案 S1方案 S2方案 S3方案 S420 10 0 -540 20 10 1060 30 20 15100 60 30 5-510（15）5（3）折衷值决策准则折衷值决策准则是介于悲观和乐观之间的决策准则，认为乐观值决策准则太冒险，悲观值决策准则太保守，那么考虑折衷一下。即既不完全乐观，也不完全悲观，而是采用引进一个乐观系数 （ ）来反映；而 1 就称为01悲观系数。该准则为：(a)根据乐观值准则中的 Mi 和悲观值中的 计
38、算折衷值：im。(1),2,iiiu(b)选取 使得kS12max,.kmu我们用 时的折衷值决策准则来求解例 128。决策过程见表 12-15，0.3可见应采用策略 S4。表 12-15ija1N234NiM(1)imiuS1S2S3S420 40 60 100 102030600102030-5101556121830-3.5710.53.52.51918.5（33.5）（4）后悔值决策准则在决策过程中，当某种状态可能出现时，决策者必然要选择使收益最大的策略，但决策者由于决策失误而没有选择收益最大的策略，就会感到后悔。后悔值决策准则的思想就是尽量减少决策后的后悔程度。衡量决策者后悔程度的一
39、个指标，称为后悔值。事实上，相应于每对 都可以定义一个后悔值 ：(,)iSNijr17， ijjijra其中 为决策者在状态 时可获得的最大收益，即 。jjN12max,jjmja该准则为：(a)计算出后悔值 ；ijr1212mjn （ ， ， ， ； ， ， ， ）(b)对每个 Si 可能产生后悔最大的数值 Ri：Ri=maxri1,ri2,rin （ ， ， ， ）(c)选取 Sk 使得 12inm， ， ，我们用后悔值决策准则求解例 12-8。决策过程见表 12-16，采用策略 S4。表 12-16ija1N234N1ir2i3ir4iiRS1S2S3S420 40 60 1001020
40、30600102030-510155806040050403003020100205010806040（10）j100 60 30 15（5）等可能决策准则在各种自然状态发生的概率总是相同的条件下，我们采用等可能决策准则来选择最优策略。该准则为：(a)计算各策略在各自然状态等概率条件下的效益期望值：，1miijESan（ ） 2（ ， ， ）（b）由期望值中的最大者 Ek，来确定相应的 Sk 作为最优策略。我们用等可能决策准则求解例 12-8。计算期望值：， ，12054（ ） （ ） =41021042（ ） （ ） =， 31E3（ S） （ 6） =6359（ ） （ ） 4因此采用策略
41、 S4。对非确定性决策问题，是因人、因时、因地选择的决策原则。在实际决策时，可根据具体情况同时选用几个不同的准则，然后将所得的结果进行分析比较，从而作出最后的选择。一般来说，总是在若干准则中，被选中多的策略应予以优先考虑。比如，例 128 求解中有四次决策为策略 S4，所以 S4 应该是最优策略。181 2.3 效用函数方法12.3.1 效用值决策准则由于地位、经验和性格的不同，决策者对于随机型决策带来的风险所取的态度往往存在着很大的差异。例如，某投资公司在某项投资问题上有两种投资策略：S 1 为开辟新的投资领域，S 2 为维持原投资领域。S 1 成功的概率为 0.7；成功可获 500 万，失
42、败将损失 300 万。S 2 成功的概率为 1，可获 50 万元。于是，E（S 1） =5000.7( 300) 0.3=240（万元） ，E（S 2） =501=50（万元） 。 若按期望值准则应选择 S1 为决策方案，但是，由于这是一次性的、利害关系重大的决策，于是有的决策者敢于冒风险选择策略 S1；有的决策者可能会不愿冒着损失 300 万元的风险，而情愿选择策略 S2 稳得 50 万元。这就说明不同的决策者对待风险的态度会有差异。每个决策者都有他自己的评价标准。如果决策准则不能反映决策者的评价标准，那么这样的决策方法就很难被决策者接受。应当指出：对于同一期望收益，不同的决策人自然会有不同
43、的反映；同时，即使同一个决策者，对于这个同一期望收益，在不同的情况下，也会有不同的反映。好比一瓶矿泉水，在泰山顶上和泰山脚下，对于一个人的效用是不一样的。我们把某个收益值在人们心目中的价值称为这个收益值的效用。为了反映决策者对待风险的态度，我们应用“效用”这个概念来体现它们。效用值是一个相对的指标，它的大小表示决策者对于风险的态度，对某事物的倾向和偏差等主观因素的强弱程度。在一个决策问题中，通常情况下，我们将可能得到的最大收益值 b 的效用值取为 1；而把可能得到的最小收益值 a的效用值取为 0。为此，在对某个问题提供决策的咨询意见时，我们可以通过与决策者进行对话，来建立相应的效用函数。此效用
44、函数应能在一定的程度上反映决策者在决策问题上的决策偏向和评价标准。于是，利用这种效用函数作决策，依据的原则就称为效用值准则。12.3.2 效用函数曲线如何通过与决策者对话建立相应的效用函数呢？对于一个决策问题，如果最小收益值为 a，最大收益值为 b，我们以收益 为自变量，a ，b上的效用函x数设为 ，并有 u（a ） =0, u（b）=1 。对于 a，b, 称为 的效用值，x（ ） ux（ ）0，1 。u（ ） 例如，在上面一个问题中，最大收益为 500 万元，最小收益为（-300）万元，我们就规定 定义在-300，500上，而且 ， 。下（ ） 30（ ） 501（ ）面我们先来看，对于 x
45、=50 -300，500 , u（50）如何确定？我们采用对比提问法。如前面所讲，决策者宁愿采用稳得 50 万元的策略，而不愿采用收益期望值为 240 万元的策略 。它说明在决策者心目中，稳得 50 万元的策略 S2 的效用值，比策略 S1 的效用值要大。为了确定收益为 50 万元的效用值，可以适当提高 S1 成功的概率并继续询问：如果现在获利 500 万元的概率为 0.8 ，损失 300万的概率为 0.2 ，那么你是否愿意冒一下风险，还是仍然宁可稳拿 50 万元呢？如果决策者这时愿意冒一下风险，则说明在决策者的心目中现在所提出的假想19方案的效用值大于稳得 50 万元方案的效用值。这时再适当
46、减小 S1 成功的概率再问：如果获利 500 万元的概率为 0.75，获利（-300 ）万元的概率为 0.25时，你是否愿意冒一下风险，还是宁可稳拿 50 万元？如果决策者这时认为这两者对他来说无所谓，都可以，这就说明在决策者的心目中“这两个方案的效用值相等” ，那么我们就停止询问。 由于已知， ，我们30u（ ） 501u（ ）就可以确定 50 万元的效用值：u（50）=1 0.7500.25=0.75 一般可以用插值方法来确定a ， b中其它 的效用值 ：xx（ ）, a，b , 若已知 和 u（ ）， ，如果通过对话u（ ）不断修改 之值，直至最后发p现决策者心目中“稳获利 的假x想方案与获利 的概率为 P*、获利 的概率为（1 -P*）之假想方案的效用值是相等”的时候，则令= P* +（1-P *） （12-10 ）ux（ ） （ ） u（ ）当a ，b中 对应的效用值 已确定，就12n， ， ， 12nxux（ ） ， （ ） ， ， （ ）可以用一条光滑曲线把这些点 连接起来，这就是效用iix（ ， （ ） ） （ ， ， ， ）函数曲线（见图 12-6 ） 。不同的决策者对待风险的态度有所不同，因此会得到形状不同的效用曲线。一般有保守型（避险型） 、冒险型（进取型）和中间型（无关型）三种类型。其对应的曲线如图 12-7 所示。1、保守型其对应
