決策理論與決策方法20

1、決策理論和方法（章節(jié)目錄）Decision Theory and Technology引言第一章決策的基本概念§ 1-1引論一、決策與決策分析的定義1 . Decision的本義：（牛津t典）2 .蘇聯(lián)大百科全書3 .現(xiàn)代科學(xué)技術(shù)辭典4 .美國大百科全書 的"Decision Theory "條：5 .美國泗代空濟(jì)羽典6 .金筠聲理也忙7 .決策的政治含義二、發(fā)展簡史三、地位（與其他學(xué)科的關(guān)系）1 .是運(yùn)籌學(xué)的一支2 .控制論的延伸3 .管理科學(xué)的重要組成部分4 .系統(tǒng)工程中的重要部分5 . 是社會(huì)科學(xué)與自然科學(xué)的交叉，典型的軟科學(xué)§ 1-2 決策問題的

2、基本特點(diǎn)與要素一、特點(diǎn)二、要素§ 1-3 決策問題的分類一、按容易區(qū)分的因素劃分二、按涉及面的寬窄三、個(gè)人事務(wù)決策與公務(wù)決策§ 1-4 決策人與決策分析人一、問題的復(fù)雜性：二、 微觀經(jīng)濟(jì)學(xué)和決策論關(guān)于經(jīng)濟(jì)人的假定：三、決策人和決策分析人的分工§ 1-5 分析方法和步驟1、 決 策樹與抽獎(jiǎng)2、 分析步驟習(xí)題進(jìn)一步閱讀的文獻(xiàn)第二章 主觀概率和先驗(yàn)分布Subjective Probability and Prior Distribution§ 2-1 基本概念一、概率(probability ). 頻率Laplace 在概率的理論分析(1812)中的定公理化定

3、義二、主觀概率(subjective probability, likelihood)1 . 為什么引入主觀概率2 .主觀概率定義三、概率的數(shù)學(xué)定義四、主客觀概率的比較§ 2-2先驗(yàn)分布(Prior distribution)及其設(shè)定一、設(shè)定先驗(yàn)分布時(shí)的幾點(diǎn)假設(shè)二、離散型隨機(jī)變量先驗(yàn)分布的設(shè)定三、連續(xù)型RV 的先驗(yàn)分布的設(shè)定1. 直方圖法2. 相對(duì)似然率法3. 區(qū)間對(duì)分法4. 與給定形式的分布函數(shù)相匹配5. 概率盤法(dart)2-3 無信息先驗(yàn)分布一、為什么要研究無信息先驗(yàn)二、如何設(shè)定無信息先驗(yàn)分布§ 2.4利用過去的數(shù)據(jù)設(shè)定先驗(yàn)分布一、有8的統(tǒng)計(jì)數(shù)據(jù)二、狀態(tài)8不能直接觀

4、察時(shí)習(xí)題進(jìn)一步閱讀的文獻(xiàn)第三章 效用、損失和風(fēng)險(xiǎn)(Utility,Loss and Risk)31 效用的定義和公理系統(tǒng)一、引言為什么要引入效用二、效用的定義3.3風(fēng)險(xiǎn)與效用三、效用存在性公理理性行為公理Von Neumann-Morenstern, 1994 169(Cardinal & Ordinal Utility)3.2效用函數(shù)的構(gòu)造一、離散型的概率分布二、連續(xù)型后果集、效用函數(shù)包含的內(nèi)容1. 對(duì)風(fēng)險(xiǎn)的態(tài)度2. 對(duì)后果的偏好強(qiáng)度3. 效用表示時(shí)間偏好二、可測(cè)價(jià)值函數(shù)確定性后果偏好強(qiáng)度的量化三、相對(duì)風(fēng)險(xiǎn)態(tài)度四、風(fēng)險(xiǎn)酬金五、錢的效用§ 3.4 失、風(fēng)險(xiǎn)和貝葉斯風(fēng)險(xiǎn)一、損失

5、函數(shù)L二、風(fēng)險(xiǎn)函數(shù)三、貝葉斯風(fēng)險(xiǎn)習(xí)題進(jìn)一步閱讀的文獻(xiàn)第四章 貝葉斯分析Bayesean Analysis§ 4.1 引言一、決策問題的表格表示損失矩陣二、決策原則三、決策問題的分類：四、按狀態(tài)優(yōu)于§ 4.2 不確定型決策問題一、 極小化極大(wald) 原則二、極小化極小三、 Hurwitz 準(zhǔn)則四、等概率準(zhǔn)則(Laplace)五、后悔值極小化極大準(zhǔn)則(svage-Niehans)六、 Krelle 準(zhǔn)則：七、莫爾諾(Molnor) 對(duì)理想決策準(zhǔn)則的要求(1954)§ 4.2風(fēng)險(xiǎn)型決策問題的決策原則一、最大可能值準(zhǔn)則二、貝葉斯原則三、貝努利原則四、 E V( 均值

6、方差)準(zhǔn)則五、不完全信息情況下的決策原則(Hodges-Lehmann 原則 )§ 4.3貝葉斯定理一、條件概率2、 貝葉斯定理4.4貝葉斯分析的正規(guī)型與擴(kuò)展型、正規(guī)型分析二、擴(kuò)展型貝葉斯分析(Extensive Form Analysis)三、例§ 2.5 非正常先驗(yàn)與廣義貝葉斯規(guī)則一、非正常先驗(yàn)(Improper Prior)二、廣義貝葉斯規(guī)則(General Bayesean Rule)§ 2.6 一種具有部分先驗(yàn)信息的貝葉斯分析法一、概述二、分析步驟3、 幾何意義§ 4.7 序貫決策習(xí)題進(jìn)一步閱讀的文獻(xiàn)第五章 隨機(jī)優(yōu)勢(shì)Stochastic Dom

7、inance§ 5.1 Markowitz 模型§ 5.2 優(yōu)勢(shì)原則(Dominance Principle)一、最簡單的優(yōu)勢(shì)原則：(強(qiáng)隨機(jī)優(yōu)勢(shì))1. 按狀態(tài)優(yōu)于：2. E V排序3. Markowitz 模型二、為什么要研究優(yōu)勢(shì)原則三、優(yōu)勢(shì)原則的一般表示§ 5.3一、二、三等隨機(jī)優(yōu)勢(shì)一、第一等隨機(jī)優(yōu)勢(shì)FSD (First-Degree S D)1 . 第一類效用函數(shù)U2 .第一等隨機(jī)優(yōu)勢(shì)定義：3 .例：二、第二等隨機(jī)優(yōu)勢(shì)SSD三、第三等隨機(jī)優(yōu)勢(shì)TSD四、 N 等隨機(jī)優(yōu)勢(shì)習(xí)題進(jìn)一步閱讀的文獻(xiàn)第六章 隨機(jī)性決策的應(yīng)用(The Application of Proba

8、bilistic Decision-making)Murphy s law & Callahan s corollary6.1 常用的決策模型§ 6.2 種與決策過程有關(guān)的結(jié)構(gòu)模型一、Y、 C、 Ho二、思考、計(jì)算、決策三、 Howard 的模型四、西蒙關(guān)于決策的模型五、幾點(diǎn)說明§ 1.1 策=好的結(jié)果§ 1.2 范化、規(guī)定性的，而非描述性的（人文學(xué)科）§ 1.3 人是建立決策的模型的專家而非作決策的專家六、評(píng)估過程（估值）§ 1.4 為決策理論一、引言二、主要研究內(nèi)容習(xí)題進(jìn)一步閱讀的文獻(xiàn)第七章 多目標(biāo)決策的基本概念Foundation

9、al Concept of Multi-criterion Decision-making本章主要參考文獻(xiàn): 68, 111, 1127.0 概述一、特點(diǎn)二、分類三、幾個(gè)術(shù)語的含義§ 7.2 目標(biāo)決策與多目標(biāo)評(píng)價(jià)一、多目標(biāo)決策的求解過程二、多目標(biāo)評(píng)價(jià)§ 7.3 多目標(biāo)決策問題的五要素一、決策單元(Decision-making Unit)二、目標(biāo)集及其遞階結(jié)構(gòu)三、屬性集和代用屬性四、決策形勢(shì)(情況)( Decision Situation)五、決策規(guī)則(Decision Rule)§ 7.4 目標(biāo)決策問題(MCDP)的符號(hào)表示§ 7.4 非劣解及其生成一

10、、定義二、非劣解的生成三、最佳調(diào)和解(Best Compromise Solution)習(xí)題進(jìn)一步閱讀的文獻(xiàn)第八章 多屬性效用理論(Multi-attribute Utility Theory)§ 8.1 優(yōu)先序一、二元關(guān)系二、二元關(guān)系的種類§ 8.2 屬性價(jià)值函數(shù)一、價(jià)值函數(shù)的存在性二、加性價(jià)值函數(shù)三、其他簡單形式§ 8.3 屬性效用函數(shù)一、二個(gè)屬性的效用函數(shù)二、效用獨(dú)立三、擬加性效用函數(shù)及例習(xí)題進(jìn)一步閱讀的文獻(xiàn)第九章 多屬性決策問題(Multi-attribute Decision-making Problem)即 : 有限方案多目標(biāo)決策問題§ 9.

11、1 概述一、決策矩陣(屬性矩陣、屬性值表)二、數(shù)據(jù)預(yù)處理常用的數(shù)據(jù)預(yù)處理方法1 線性變換2 標(biāo)準(zhǔn) 0-1 變換3 最優(yōu)值為給定區(qū)間時(shí)的變換4 向量規(guī)范化5 原始數(shù)據(jù)的統(tǒng)計(jì)處理6 專家組成員意見的規(guī)范化三、方案篩選§ 6.2 權(quán)和法一、引言二、字典序法與一般加權(quán)和法三、確定權(quán)的常用方法四、層次分析法AHP五、最低層目標(biāo)權(quán)重的設(shè)定1. 網(wǎng) 狀結(jié)構(gòu)樹狀結(jié)構(gòu)六、權(quán)重的敏感性分析§ 6.3 TOPSIS法§ 6.4 于相對(duì)位置的方案排對(duì)法§ 6.5 ELECTRE一、級(jí)別高于關(guān)系(Outranking Relation)二、級(jí)別高于關(guān)系的性質(zhì)：三 . 級(jí)別高于關(guān)系

12、的構(gòu)造四、級(jí)別高于關(guān)系的使用五 ELECTRE- II六、討論§ 6.6 PROMETH§ 6.7 其它方法習(xí)題進(jìn)一步閱讀的文獻(xiàn)第十章 多目標(biāo)決策(Multi-objective Decision-making)§ 10.1 序言一、問題的數(shù)學(xué)表達(dá)二、最佳調(diào)和解與決策人的偏好三、決策人偏好信息的獲取方式1 . 在優(yōu)化之前2 .在優(yōu)化過程中：逐步索取偏好信息3在優(yōu)化之后§ 10.2 目的規(guī)劃法一、距離測(cè)度的選擇二、目的規(guī)劃問題的表述三、分類四、例：§ 10.3 典序法§ 10.4 步進(jìn)行法(STEP Method)§ 10.5

13、 和解和移動(dòng)理想點(diǎn)法§ 10.6 SEMOP(多目標(biāo)問題白序貫解法)一、思路與記號(hào)二、解題步驟三、優(yōu)缺點(diǎn)§ 10.7 eoffrion 法一、思路二、求解步驟三、優(yōu)缺點(diǎn)§ 10.8 理值置換法(Surrogate worth Trade-off Method)一、思路：二、求解步驟第十一章群決策與社會(huì)選擇Group Decision-making and Social Choice Theory§ 11-1 概述一、為什么要研究群決策二、分類三、社會(huì)選擇的定義與方式§ 11.2 投票表決(選舉)(Voting)一、非排序式投票表決(Non-ra

14、nked Voting Systems)( 一 ) 只有一人當(dāng)選 候選人只有兩個(gè)候選人多于兩個(gè)時(shí)簡單多數(shù)(相對(duì)多數(shù))過半數(shù)規(guī)則(絕對(duì)多數(shù)Majority)a.二次投票,b.反復(fù)投票(2) .同時(shí)選出二人或多人1 .單一非轉(zhuǎn)移式 投票表決(Single nontransferable voting)2 .復(fù)式選舉(Multiple voting)3 .受限的選舉(Limited voting)4 .累加式選舉(Cumulate voting)5 .名單制(List system)(1)最大均值法：.最大余額法：6 .簡單可轉(zhuǎn)移式選舉 (Single nontransferable voting)

15、7 .認(rèn)可選舉(Approval vote )(3) .其它投票表決(選舉)方法1 .資格認(rèn)定2 .非過半數(shù)規(guī)則2/3多數(shù),2/3多數(shù)= 60%多數(shù)3/4多數(shù)過半數(shù)支持，反對(duì)票少于1/3一票否決、偏好選舉與投票悖論(Paradox of voting )1. 記號(hào)2.Borda 法 （ 1770 年提出 ）3 . Condorcet 原則 （ 1785 年提出 ）4 .多數(shù)票循環(huán)（投票悖論）5 .出現(xiàn)Condorcet效應(yīng)的概率三、策略性投票（操縱性 ）1. 小集團(tuán)控制群2. 謊報(bào)偏好而獲益3. 程序 （議程）問題四、衡量選舉方法優(yōu)劣的標(biāo)準(zhǔn)§ 11.3 社會(huì)選擇函數(shù)一、引言二、社會(huì)選

16、擇函數(shù)的幾個(gè)性質(zhì)三、社會(huì)選擇函數(shù)1. Condorcet- 函數(shù)2. Borda-函數(shù)3. Copeland-函數(shù)4. Nanson 函數(shù)5. Dodgson 函數(shù)6. Kemeny 函數(shù)7. Cook-Seiford 函數(shù)8. 本 征向量函數(shù)9. Bernardo 函數(shù)11.4 社會(huì)福利函數(shù)(Social Welfare Function)一、社會(huì)福利(Social Welfare)二、偏好斷面(profile of preference ordering)( 偏好分布)1. 可能的偏好序2. 偏好斷面：3、 Arrow的條件(即社會(huì)福利函數(shù)應(yīng)當(dāng)具有的性質(zhì))4、 Arrow的可能性定理五、單

17、峰偏Black 好與 Coombs 條件六、SCF 與SWF的比較§ 1.5 群效用函數(shù)一、導(dǎo)致Arrow 不可能定理的原因二、群效用函數(shù)與多目標(biāo)效用函數(shù)的比較群決策提法本身存在缺陷習(xí)題進(jìn)一步閱讀的文獻(xiàn)第十二章沖突分析Conflict Analysis§ 1.6 引言一、群決策的分類、研究沿革§ 1.7 Nash談判模型一、問題表述：二、基本假設(shè)三、Nash提出的四條公理一一為了預(yù)先求得談判結(jié)果四、定理五、評(píng)注：.§ 1.8 其他談判模型一、等效用法(即 K-S 法 )二、中間中間法三、均衡增量法§ 1.9 談判問題與效用一、談判問題建立在效用空間上的必要性二、使用效用存在的問題§ 1.10