当前课程知识点:系统工程原理 > 第六章 系统决策 > 第三节 风险型决策方法 > 风险型决策方法
接下来我们来学习第三节
风险型决策问题
它的解决方法
什么叫做风险型决策呢
前面我们已经接触过了确定型决策
和完全不确定型决策
所谓的确定型决策是说未来系统
会面向什么样的自然状态
这是可以确定的
而完全不确定型决策呢
是说系统未来
会面临什么样的状态
是不可确知的
知道有几种可能的状态
但是对
必定会出现那种状态不知道
而且也不知道这些状态的概率分布
那么风险型决策呢
是说在完全不确定型决策的基础上
增加了一些信息
就是对未来可能出现
什么样自然状态的概率分布 是可以估计的
它的把握
比完全不确定型决策问题更大一点
但是依然还有一定的风险
所以把它命名为风险型决策
风险型决策
它的构成有五个条件
第一个是存在着决策者企图达到的
明确的目标
第二是存在决策者可供选择的两个
或者两个以上的方案
第三是存在不以决策者的意志为转移的
两种以上的状态
第四是不同的方案
在不同的状态下的益损值是可以测算的
第五个条件是说
可以估计出
各种状态出现的概率
如果不能保证第五个条件的话
前四个条件就决定了
这个决策问题是一个完全不确定型决策问题
对于风险型决策问题
一般来说采用的是期望值法则
也有其他的决策法则
大家感兴趣的话 可以参考教材
或者其他的参考书
所谓的期望值法则 顾名思义
就是要把每一个方案的益损值的期望值
给它计算出来
现在我们给出来的公式呢
做一个简单的解释
其中的Vij是说第i个方案
在第j个自然状态下益损值
而Pj呢 是指
自然状态Sj出现的概率
E(Ai)是说
备选方案Ai的益损值的期望值
要便利所有的i
把所有的可选的方案
它的益损值的期望值都计算出来
然后进行比较 这就是期望值法则
如果是
寻找最佳收益的问题
那就是要找这个益损值期望值
求最大值的问题
如果是
寻求最小损失的问题
而且
这里面的益损值在表达损失的时候
是用正号的时候
那么就是要求
益损值期望值最小值的问题
具体情况具体分析
看这个问题的准确的描述方法
期望值法则有几种表示的方式
一个是决策表法
现在我们看到的是一个例子
还是继承了前一节的那个
完全不确定型决策问题的那个例子
只是增加了一个条件
就是各种自然状态的出现概率
是可以估计出来的
状态S1的概率是0.2
状态S2的概率是0.7
状态S3的概率是0.1
各种方案在各种
自然状态下的益损值是可以估计的
跟第二节我们看到的例题一样
那么这就构成了一个风险型决策问题
怎么来进行决策呢
按照期望值法则
根据这个决策表
计算各个方案的益损值的期望值
很清楚 可以得到
A1方案的期望值是41
A2的期望值是59
A3方案的益损值的期望值是78
在这种情况下
很明显应该选择益损值期望值最大的
A3方案作为最优方案
当然这个问题也可以把它表达成
矩阵的形式
所以有的教材也把
决策表法的这种变形称作为矩阵法
它本质都是期望值法则
第二种基于期望值法则的方法
是决策树法
我们先来看一下决策树
它的构成形式
有这样几个基本元素
一个是决策点
这个表示的是
决策者进行一次决策的时机
决策点之后分成几枝
有几种待选的决策方案
就分为几枝
每一枝会到达一个自然状态点
这里面的每一枝
都称作为方案分枝
自然状态点
再往下演化
分成若干个概率枝
有几个可选的自然状态
就有几个概率枝
再往下
如果这是一个单阶段决策问题的话
就应该会遇到结果点
结果点表示的是
这种决策方案
在这样一种
自然状态下的益损值
那么决策树的几个基本要素就是
决策点 用方框表示
自然状态点 用圆圈来表示
和结果点 用三角形来表示
其间用线段来连接
如果
按照益损值的期望值法则
来进行决策
发现某些方案
是不可取的话
那么我们可以做一个动作
就是修枝
就是在所指的那个不可取的方案分枝上面
划两道
就相当于给树做了剪枝或者修枝一样
认为标记出来这种方案是不可取的
没有修枝的方案是
所选择的优化的方案
我们拿前面那个例题
用决策树的方法来进行一下表达和求解
这个表格给出来的是前面已经做过的那个例题
如果用决策树法怎么来表示呢
首先有一个决策点
接下来有三个方案分枝A1 A2 A3
代表着三个可供选择的方案
每一个方案都会遇到一个
状态点
而每一个自然状态点继续往下分枝
在这个问题里面有三个可能的自然状态
分别是S1 S2
和S3
畅销 一般和滞销
那么每一个自然状态点接下来都会有三个
概率分枝
把三个自然状态分别标记在上面
把三个自然状态的概率也分别标记在上面
现在我们看到的这个例题是个单阶段决策问题
所以接下来
每一个概率分枝都会直接地遇到
结果点 然后把
每一个方案
在各种自然状态下的益损值
直接标记在结果点后面
我们可以看到用这种表达方式
整个决策过程
整个决策问题有关的信息
更加明确了
更加直观了
我们通过从左往右的方式建立了一个决策树
那么来求解这个决策问题呢
就是从决策树上从右往左
在这个决策树上
从右往左
怎么来进行决策分析呢
它的过程就是
从右往左来计算
各个状态点的益损值的期望值
因为在这个问题里面它是一个单阶段决策问题
所以它的计算比较简单
自然状态点2的
益损值的期望值等于41万
点3的益损值期望值是59万
状态点4的
益损值期望值是78万
把这三个数据
分别标记在三个自然状态点上
那么在这个基础上
就很容易进行决策了
对哪两个方案进行修枝呢
分别是方案A1和方案A2
保留方案A3
作为决策所采取的
最终的比较优化的方案
我们再看一个例子
这个例子相对来说更加复杂一点
我们先来看一下它的背景
是说要扩大某个设备生产的两个方案
一是建大厂二是建小厂
两者的使用期限都是十年
如果要建大厂的话
就需要直接投资600万
如果建小厂的话需要投资280万
两个方案 每年的益损值以及销售的自然状态
在下面这个表格里面给出来了
但是现在进行决策呢
为了慎重考虑
将后面这个方案就是
直接建小厂的这个方案
把它修改一下
改成先建个小厂试试看
试生产三年
如果发现市场销售状况比较好
那么就进行扩建
根据计算 扩建
需要投资400万
还可以使用七年
并且扩建以后每年的盈利是190万
采用决策树法
怎么来进行决策
得到合理的决策方案呢
现在先告诉大家
建立了这样一个决策树
我们从左往右先看一下
首先第一个是一个决策点
决定先建大厂
还是先建小厂
如果是建大厂的话
那么它就不涉及到后一阶段
要进行扩建还是不扩建的决策问题
那么它会遇到一个自然状态点
自然状态点分出两枝
分别是销售好和销售差
概率分别是0.7和0.3
这是前面已经给出来的
然后遇到两个结果点
概率分别是
每年200万和每年亏损40万
这也是前面表格里面给出来的
如果是
在第一个决策点上选择了建小厂的方案
那么它的自然状态点
分两枝
销售好 概率0.7
销售差 概率0.3
如果是遇到销售差的话
那么不会考虑
扩建的问题
那么在这一枝就会直接遇到
结果点
每年收益60万
如果是销售好的话
就会考虑扩建还是不扩建
如果扩建 那么
会遇到一个自然状态点
这个自然状态点5
其实不存在分枝了
接下来就是一个概率分枝 销售好
因为这个时候其实是条件概率
所以概率是1
然后遇到一个结果点
是每年收益190万
如果采用了不扩建的方案呢
它遇到一个自然状态点
接下来的分枝也是
只有一个概率分枝
销售好 同样的条件概率是1
再接下来遇到一个
结果点是每年收益80万元
对于这个决策问题 它是一个多阶段决策问题
在遇到第2个决策点之前
代表的是头3年
在第2个决策点之后
代表的是后7年
那么我们同样地也来看一下
这个决策问题的求解
建树的过程是从左往右的
求解的过程是从右往左的
那么接下来我们来从右往左地求各个点上
它的益损值的期望值
是怎么取的
状态点2
它的益损值期望值
等于200万
乘以概率0.7乘以10年
再加上-40万
乘以概率0.3 再乘以10年
然后减去建大厂的费用600万
结果是680万
标记在自然状态点2的上面
自然状态点5
它的益损值期望值
等于190万乘以概率1
乘以7年
再减去扩建费用400万
等于930万
标在点5上面
状态点6呢
是年收益80万
乘以概率1乘以7年等于560万
不涉及到扩建费用
把560万标在状态点6上面
那么在这种情况下就已经可以进行一次决策了
在决策点4
后面的两个方案分枝扩建和不扩建之间
可以对哪个分枝进行修枝呢
很显然是
修剪掉了不扩建这个分枝
于是把930万
这个自然状态点5的
益损值的期望值
直接转移到决策点4上面
接下来再来计算
自然状态点3的益损值期望值
它等于
建小厂的年收益
80万乘以0.7
再乘以前3年
加上930万再乘以概率0.7
这一部分就代表了
销售好这个自然状态
下面的益损值
再乘以销售好的概率0.7
还有一个就是销售差的
概率是0.3 这一部分的益损值怎么来统计呢
是60万
乘以概率0.3 再乘以3年加7年
在这个基础上再减去280万
就是建小厂的费用
最终结果是719万
标记在自然状态点3的上面
接下来
在决策点1
后面的两个方案分枝上进行决策
应该修剪掉哪个方案分枝呢
显然是修剪掉了
第一个 就是建大厂的这个方案分枝
保留下来建小厂
这个方案分枝 那么
最终得到的决策方案应该是这样表达的
前三年应该建小厂
如果遇到销售好的自然状态
那么后7年应该扩建
如果遇到销售不好的自然状态
后7年应该保持小厂的生产经营
那么这样的话
我们通过一个决策树的方法
解决了一个问题
可以发现
决策树法它相比于决策矩阵
或者决策表格法 它有什么优点呢
首先是
构成简单清晰的决策过程
使得决策者有步骤 有顺序地进行分析
决策树的方法它相对来说比较直观
能够比较好地反映决策者的思维过程
所以对于决策者进行分析更加有利
第二个决策树直观形象
可以辅助以逻辑的推理
去周密地思考决策因素
第三个是
便于集体决策
通过一个决策树
直观地给它表现出来
给它投影出来
利于大家共同地协商和讨论
统一思想 适合于
汇报决策过程和结果
但是不管是决策树法
还是决策表 决策矩阵法
它的本质核心
都是益损值的期望值
虽然我们可以看到
在采用决策树法的时候
它更直观 因而
更方便地应用于多阶段决策问题
但是并不代表着
决策表法和决策矩阵法不能解决
多阶段决策问题 只是
那种表达更加不清晰
更加需要我们的抽象思维而已
-课程概述
--课程概述
-为何学习系统工程
--为何学习系统工程
--人类基因工程
-第一节 系统的基本概念
--系统的基本概念
-第一节测试 系统的基本概念
-第二节 系统的分类
--系统的分类
-第二节测试 系统的分类
-第三节 系统思想的发展
--系统思想的发展
-第三节测试 系统思想的发展
-第四节 系统工程的概念
--系统工程的概念
-第四节测试 系统工程的概念
-第五节 系统工程的特点
--系统工程的特点
--扩展阅读
-第五节测试 系统工程的特点
-第六节 系统工程的发展与应用
--扩展资料
-第六节测试 系统工程的发展与应用
-第一节 还原论与整体论
--还原论与整体论
-第一节测试 还原论与整体论
-第二节 霍尔三维结构
--霍尔三维结构
-第二节测试 霍尔三维结构
-第三节 霍尔三维结构的应用
-第四节 切特兰德的调查学习法
-第四节测试 切特兰德的调查学习法
-第五节 调查学习模式的应用
-第六节 综合集成工程
--综合集成工程
-第六节测试 综合集成工程
-第一节 系统分析概述
--系统分析概述
-第一节测试 系统分析概述
-第二节 系统分析应用
--系统分析应用
-第三节 系统目标分析的目标手段法
--目标手段法
-第三节测试 系统目标分析的目标手段法
-第四节 系统环境分析的SWOT法
--SWOT法
-第四节测试 系统环境分析的SWOT法
-第五节 系统功能分析的IDEF0方法
--IDEF0法
-第五节测试 系统功能分析的IDEF0方法
-第六节 系统结构分析的ISM法
--ISM方法
-第六节测试 系统结构分析的ISW法
-第七节 ISM方法的应用
--ISM应用
--ISM-扩展阅读
-第一节 系统预测概述
--系统预测概述
-第一节测试 系统预测概述
-第二节 时间序列分析预测
--时间序列分析预测
-第二节测试 时间序列分析预测
-第三节 时间序列分析预测应用
--时间序列预测应用
-第四节 回归分析预测法
--回归分析预测法
-第四节测试 回归分析预测法
-第五节 回归分析预测法应用
-第六节 马尔可夫预测法
--马尔可夫预测法
-第六节测试 马尔可夫预测法
-第七节 马尔可夫预测法应用
--马尔可夫预测应用
-第一节 系统评价基本概念
-第一节测试 系统评价基本概念
-第二节 系统评价的一般步骤
-第三节 指标体系的建立
--指标体系的建立
-第三节测试 指标体系的建立
-第四节 指标权重确定方法
--指标权重确定方法
-第四节测试 指标权重确定方法
-第五节 指标数量化方法
--指标数量化方法
-第五节测试 指标数量化方法
-第六节 指标综合方法
--指标综合方法
-第六节测试 指标综合方法
-第七节 层次分析法及应用
--层次分析法
-第七节测试 层次分析法及应用
-第八节 主成分分析及应用
--主成分分析及应用
-第八节测试 主成分分析及应用
-第九节 数据包络分析法
--数据包络分析法
-第九节测试 数据包络分析法
-第一节 系统决策概述
--系统决策概述
-第一节测试 系统决策概述
-第二节 完全不确定型决策方法
--完全不确定型决策
-第二节测试 完全不确定型决策方法
-第三节 风险型决策方法
--风险型决策方法
--决策树应用案例
-第三节测试 风险型决策方法
-第四节 贝叶斯决策方法
--贝叶斯决策方法
-第四节测试 贝叶斯决策方法
-引言
--引言
-第七章 网络计划技术--引言
-第一节 网络图的组成与绘制
-第一节测试 网络图的组成与绘制
-第二节 网络图的参数计算
--网络图的参数计算
-第二节测试 网络图的参数计算
-第三节 网络图关键路线的确定
-第三节测试 网络图关键路线的确定
-第四节 任务按期完成概率分析与计算
-第四节测试 任务按期完成概率分析与计算
-期末考核