运筹学之决策分析论文

给你个网站，希望能帮到你

“决策理论”，英文写作 Decision Theory 或 Decision-making Theory，是一门典型的交叉学科。 其发展源于二战后，许多运筹学家 (Operation Research, 简称OR)，统计学家，计算机学家和行为科学家都力图在管理领域寻找一套科学的决策方式，以便对复杂的多方案问题进行明确合理的选择。它是以社会系统论为基础，吸收了行为科学和系统论的观点，运用电子计算机技术和统筹学 (Overall Planning, 简称OP)的方法的一门新兴的管理学派。主要代表人物有1978年获诺贝尔经济学奖的美国人赫伯特·西蒙 (Herbent Simon)，和他的代表作《管理决策新科学》。 然而，由于“决策”这一行为本质，不仅限于管理 (Management) 方面的运用。人们的日常活动中也普遍存在大量的决策，组织中非管理人员的活动也需要决策，所以其运用范围也逐渐拓展开，也涉及到了更多学科，如数学，统计，经济学，哲学，心理学等等。 一个“决策问题 (Decision Problem)”的目标是让“决策者 (Decision Maker, 以下简称DM)”在一个设定的情境下，达到“最好 (best)”的决定。而一个“决策问题”的存在与否，关键在于该问题是否存在“歧义 (ambiguity)”。【因为如果不存在，那就不是“决策问题”，而是通过寻找 (search)可以解决的问题。】 “歧义”产生的来源通常为“不确定性 (uncertainty)”，“风险 (risk)”，“多重目标 (multiple objectives)”这几个要点的存在。 所以，很多“决策问题”往往有不止一个“最佳”解决方案，因为该方案往往依赖/取决于DM的偏好/倾向。由此，便与数学中的“优化问题 (Optimization Problem)”中的只需“寻找 (search)” “最佳”答案有所区分。同时，也由这类“决策问题”而引申出 一种规范模型的实际应用（人们应当如何决策）被称为决策分析 (Decision Analysis)，其目标是帮助人们进行进一步良好决策的工具和方法论, 而决策支持系统 (Decision Support System) 是一种系统的、综合的用这种方法开发的软件工具。 【插播一句，鄙人不才，博士在读所属课题组即为 “能源产业的决策支持系统”，专攻电力能源，有对这方面感兴趣的童鞋欢迎深入讨论】 “决策问题”的 组成部分 大致有五项：问题本身、目标/属性 (Objectives/Attributes)、供替代的选择/备选 (Alternatives)、结果 (Consequences) 和决策理性 (Decision Rationality)。“决策问题”的 属性 即为“测量/权衡完成的程度”，有两种方式去表达/描述所谓的“完成的程度”，定量 (Quantitative)和定性 (Qualitative)。对于定性的描述，我们就需要自行定义一个“评价函数 (Evaluation Function)”借以辅助决策。这些组成了评估一个“决定 (Decision)”的标准/条件 (Criteria)。而“决策问题”本身可以有如下四种 分类 方式：        - 单一判剧/多重判剧 (Monocriterion/Multicriteria)、        -  单一决策者/竞争决策者们/团体决策 (Single DM/Competing DMs/Group DM)、         - 确定性/不确定性/风险(Certainty/Uncertainty/Risk)         - 静态/动态 (Static/Dynamic) 有人问，不确定性和风险不是一回事？综合来讲，风险是指各方案/场景 (Scenarios) 具有一定概率 (Probability)，无论这个概率源于主观 (subjective)或是客观 (objective)，是离散的 (discrete)或是连续的 (continuous)。而不确定性的“决策问题”不具备概率，所以需要人为去“分配”概率从而借助不同概率去“情景假定” (Scenarios Building)，再从各情景中通过不同的设定标准去做出选择。“情景假定” (Scenarios Building) 自身就是一门艺术，因为其中还涉及到了一些必须遵从的特征，比如互斥 (mutually exclusive)、穷尽 (collectively exhaustive)。在此先不多赘述。 维基百科上给“决策论”的定义是： 它主要研究实际决策者如何进行决策，以及如何达到最优决策。 依在下愚见，此处定义用词不够恰当，尤其“最优”二字。第一章中讲到，“决策问题”是为了让DM做出“最好”的决定。首先，所谓“最好”的情景并不一定是最大化/最优化目标函数，最优也可能包含在一个具体的或近似的最大值范围内；其次，实际生活中，“最优”往往不切实际，完美的答案几乎不存在。 所以，由此，有两个概念想特别提出，希望大家可以区分开，即“优化”或是“满意”。当你面临一个“决策问题”时，想清楚你是要一个满意的结果，还是要优化最终的结果。因为 收获和付出往往是不成正比的 ，可以如下图所示。 假设 x 轴为付出，y 轴为收获，这是一条很普通的单调上升 (monotonically increasing) 曲线。但它的特点是线上每一点的斜率 f '(x) 都大于零，而斜率 f '(x) 又在随着 x 的不断增大再减小。也就是说每多付出一等分的努力，这份努力所换回的收获就会比上一等分的努力所得到收获要小。这里就是一个可与经济学中边际成本(Marginal Cost)相类比的概念。 书面知识听起来都比较抽象，下面就这两个概念，提出一些常见的问题，并讲讲它们在其中的影响。【我是出自工科背景，本质是实用型的。所以无论什么概念、理论，如果不能跟实际相结合，运用到生活中，对我来说都没有太大的意义。如果你不喜欢我的态度或出发点，拍砖请轻拍。】从宏观和长远的角度来说，一个人的精力是有限的，人生的长度也是有限的，在有限的范围内 (根据各人情况不同)，每个人能同时做或做成的事情是不同的，所以在不同的时间框架内 (Time Frame)，学会取舍和区分优先次序 (prioritize)是非常重要的。 比如， 就一个学期的时间段而言，用4分的精力如何去对付6门课？ 取决于最终个人想要实现的结果：如果是想要“全面发展”，那么可能每门课用2/3的精力是最好的选择；但是呢，如果其中有一门课真的非常重要，那个讲师是我想读的硕士导师啊，那这门课我可能就要付出1分精力全力以赴去达成“优化”，剩下来的课可以均分剩下的精力，每门3/5份而做到“满意”或接近“满意”。 将时间段拉长并站在一个高一点角度看， 分数？分数是什么？ 不过一张纸，拿去折飞机！它并不能代表你是谁，更不能证明你是谁。分数高，只能代表近期这部分知识你记得很牢，这个表象，仅此而已，也不代表你理解了或者理解到了一定深度。再退一步，就算你真的理解了90%这些知识，就一定能学以致用，在生活中用足这90%嚒？ 如果人生是一场马拉松，前1/10甚至1/5的领先，真的很重要嚒？ 如果一个人一生的精力 (大脑潜能) 有40%甚至60%都花在了前2/5，在一些细枝末节上，那后面的3/5还能做何期待？再再再退一步， 知识不代表文化，文化也不等同与修养 ，一个人在社会中的生存取决于方方面面，难道所背得的科学知识愈多学历愈高就一定愈有所成就嚒？ 【知识以物为本，更偏终于科学科技类知识。文化以人为本，可以看做一种基因，流淌在人们的血液中，由潜意识进而转化为思维与行为习惯，在不知觉中左右着人们的言行举止。而修养，则是在汲取和研究分析科学、人文的基础上，独立思考 (提炼、批判、反思) 并得出自己对事物看法的一种能力。对不起扯远了，目的只想区分一下，这三个概念非常重要，值得以后另开一篇好好讨论一下。】 最后还有一点补充：身处茫茫人海浩瀚的大社会中，要把眼光放长远。 眼前触手可及的收获，正因为在眼前，所以对整个人生路途的作用和影响也是极为有限的 ，“效益”或“效率”或“性价比”最大化才是关键。有效率讲方法成体系的去付诸行动，一定可以事半功倍，减少很多无用功及重复做功，从而节省出很多时间去做其他更有利于人生成长的事。 以学习举个简单的例子，我相信所有的工科生在本科阶段都会学习一门工程数学 “微分方程 (Differential Equation)”，内容一定包括教你如何解最常见的两种常微分方程 (Ordinary Differential Equation, 简称ODE)，即一阶和及二阶。如果你又碰巧跟我进了同一个专业，那你一定会在基础电子电路这门课中碰到最基本的RL电路和RLC电路，一个回路中只有2个或3个基本元件组成。假设A和B是同届同门的学生，同样用了5份的精力去修“微分方程”那门课，期末总评一样。不同的是此时学生B又多用了2份精力去把这门课与之前学的多重矢量积分，换元以及格林理论等进行了整合，并带入生活中思考用微分方程可以描述或解答的事例，而A可能用了这些时间去打游戏或者做其他的。当他们同时又开始修电子电路那门课并备考时，你猜结果怎样，A可能又要用5份精力，而B一定会比他节省时间，至少不用重新温习微分方程那部分知识，并且在课堂上也会比A同学理解的深刻快速。在此并不是想说打游戏或者做其他的就不好，锻炼了手眼脑协调能力没什么不妥。 总之一句话，第四章中提到过的， 在不同的时间框架内 (Time Frame)，学会取舍和区分优先次序 (prioritize)，学会优化Vs.满意。