運(yùn)籌學(xué)（概率模型應(yīng)用范例與解法第4版）

第1章 微積分和概率論
1.1積分
1.2積分求導(dǎo)
1.3概率的基本法則
1.4貝葉斯法則
1.5隨機(jī)變量、均值、方差和協(xié)方差
1.5.1離散型隨機(jī)變量
1.5.2連續(xù)型隨機(jī)變量
1.5.3隨機(jī)變量的均值和方差
1.5.4獨(dú)立隨機(jī)變量
1.5.5兩個隨機(jī)變量的協(xié)方差
1.5.6隨機(jī)變量之和的均值、方差與協(xié)方差
1.6正態(tài)分布
1.6.1正態(tài)分布的重要性質(zhì)
1.6.2利用標(biāo)準(zhǔn)化求正態(tài)概率
1.6.3利用Excel求正態(tài)概率
1.7z變換
1.8本章小結(jié)
1.8.1確定不定積分的公式
1.8.2對積分求導(dǎo)的萊布尼茲法則
1.8.3概率
1.8.4貝葉斯法則
1.8.5隨機(jī)變量、均值、方差和協(xié)方差
1.8.6正態(tài)分布的重要性質(zhì)
1.8.7z變換
1.9復(fù)習(xí)題
第2章 不確定決策
2.1決策準(zhǔn)則
2.1.1受支配動作
2.1.2悲觀準(zhǔn)則
2.1.3樂觀準(zhǔn)則
2.1.4遺憾準(zhǔn)則
2.1.5預(yù)期值準(zhǔn)則
2.2效用理論
2.2.1馮·諾依曼摩根斯坦公理
2.2.2為什么我們可以假設(shè)u（最壞結(jié)果）=0和u（最好結(jié)果）=1
2.2.3評估一個人的效用函數(shù)
2.2.4一個人的效用函數(shù)和他或她面對風(fēng)險的態(tài)度之間的關(guān)系
2.2.5指數(shù)效用函數(shù)
2.3預(yù)期效用最大化的缺陷： 前景效用理論和架構(gòu)效應(yīng)
2.3.1前景效用理論
2.3.2架構(gòu)
2.4決策樹
2.4.1將風(fēng)險規(guī)避結(jié)合進(jìn)決策樹分析
2.4.2樣本信息的預(yù)期值
2.4.3完善信息的預(yù)期值
2.5貝葉斯法則和決策樹
2.6多目標(biāo)決策
2.6.1確定情況下的多屬性決策： 目標(biāo)規(guī)劃
2.6.2多屬性效用函數(shù)
2.7解析分層進(jìn)程
2.7.1獲得各個目標(biāo)的權(quán)
2.7.2檢查一致性
2.7.3求目標(biāo)選擇的分?jǐn)?shù)
2.7.4在電子表格上實(shí)現(xiàn)AHP
2.8本章小結(jié)
2.8.1決策準(zhǔn)則
2.8.2效用理論
2.8.3前景效用理論和架構(gòu)
2.8.4決策樹
2.8.5貝葉斯法則和決策樹
2.8.6多目標(biāo)決策
2.8.7AHP
2.9復(fù)習(xí)題
第3章 確定型EOQ存儲模型
3.1基本的存儲模型
3.1.1存儲模型所涉及的費(fèi)用
3.1.2EOQ模型的假設(shè)
3.2基本的EOQ模型
3.2.1基本EOQ模型的假設(shè)
3.2.2基本EOQ模型的導(dǎo)出
3.2.3總費(fèi)用對于訂購數(shù)量微小變化的靈敏度
3.2.4在以庫存的美元價值表示存儲費(fèi)用時確定EOQ
3.2.5非零交付周期的影響
3.2.6基本EOQ模型的電子表格模板
3.2.7二冪訂購策略
3.3計算允許數(shù)量折扣時的最優(yōu)訂購量
3.4連續(xù)速率的EOQ模型
3.5允許延期交貨的EOQ模型
3.6什么時候使用EOQ模型
3.7多產(chǎn)品EOQ模型
3.8本章小結(jié)
3.8.1表示法
3.8.2基本EOQ模型
3.8.3數(shù)量折扣模型
3.8.4連續(xù)速率模型
3.8.5允許延期交貨的EOQ
3.9復(fù)習(xí)題
第4章 隨機(jī)型存儲模型
4.1單周期決策模型
4.2邊際分析的概念
4.3賣報人問題： 離散需求
4.4賣報人問題： 連續(xù)需求
4.5其他單周期模型
4.6包含不確定需求的EOQ： （r，q）和（s，S）模型
4.6.1確定再訂購點(diǎn)： 允許延期交貨的情況
4.6.2確定再訂購點(diǎn)： 脫銷情況
4.6.3連續(xù)檢查（r，q）策略
4.6.4連續(xù)檢查（s，S）策略
4.7具有不確定需求的EOQ： 確定安全庫存等級的服務(wù)等級法
4.7.1確定SLM1的再訂購點(diǎn)和安全庫存水平
4.7.2使用LINGO計算SLM1的再訂購點(diǎn)等級
4.7.3使用Excel計算正態(tài)損失函數(shù)
4.7.4確定SLM2的再訂購點(diǎn)和安全庫存水平
4.8（R，S）定期檢查策略
4.8.1確定R
4.8.2實(shí)現(xiàn)（R，S）系統(tǒng)
4.9ABC存儲分類系統(tǒng)
4.10交換曲線
4.10.1缺貨的交換曲線
4.10.2交換曲面
4.11本章小結(jié)
4.11.1單周期決策模型
4.11.2賣報人問題
4.11.3確定不確定需求的再訂購點(diǎn)和訂購量： 最小化年度預(yù)期費(fèi)用
4.11.4確定再訂購點(diǎn)： 服務(wù)等級法
4.11.5（R，S）定期檢查策略
4.11.6ABC分類
4.11.7交換曲線
4.12復(fù)習(xí)題
第5章 馬爾可夫鏈
5.1什么是隨機(jī)過程
5.2什么是馬爾可夫鏈
5.3n步轉(zhuǎn)移概率
5.4馬爾可夫鏈中的狀態(tài)分類
5.5穩(wěn)態(tài)概率和平均最先通過時間
5.5.1暫態(tài)分析
5.5.2穩(wěn)態(tài)概率的直觀解釋
5.5.3穩(wěn)態(tài)概率在決策中的用法
5.5.4平均最先通過時間
5.5.5在計算機(jī)上求解穩(wěn)態(tài)概率和平均最先通過時間
5.6吸收鏈
5.7勞動力規(guī)劃模型
5.8本章小結(jié)
5.8.1n步轉(zhuǎn)移概率
5.8.2馬爾可夫鏈中的狀態(tài)分類
5.8.3穩(wěn)態(tài)概率
5.8.4吸收鏈
5.8.5勞動力規(guī)劃模型
5.9復(fù)習(xí)題
第6章 確定性動態(tài)規(guī)劃
6.1兩個難題
6.2網(wǎng)絡(luò)問題
6.2.1動態(tài)規(guī)劃的計算效率
6.2.2動態(tài)規(guī)劃應(yīng)用的特征
6.3存儲問題
6.4資源分配問題
6.4.1資源示例的網(wǎng)絡(luò)表示
6.4.2廣義的資源分配問題
6.4.3使用動態(tài)規(guī)劃求解背包問題
6.4.4背包問題的網(wǎng)絡(luò)表示
6.4.5背包問題的可供選擇的遞歸
6.4.6收費(fèi)理論
6.5設(shè)備更新問題
6.5.1設(shè)備更新問題的網(wǎng)絡(luò)表示
6.5.2可供選擇的遞歸
6.6表述動態(tài)規(guī)劃遞歸
6.6.1將資金的時間價值納入動態(tài)規(guī)劃表述中
6.6.2使用動態(tài)規(guī)劃的計算難點(diǎn)
6.6.3非求和遞歸
6.7WagnerWhitin算法和SilverMeal啟發(fā)式算法
6.7.1動態(tài)批量模型簡介
6.7.2WagnerWhitin算法的論述
6.7.3SilverMeal啟發(fā)式算法
6.8使用Excel求解動態(tài)規(guī)劃問題
6.8.1在電子表格上求解背包問題
6.8.2在電子表格上求解一般的資源分配問題
6.8.3在電子表格上求解庫存問題
6.9本章小結(jié)
6.9.1逆推
6.9.2動態(tài)批量模型的WagnerWhitin算法和SilverMeal啟發(fā)式算法
6.9.3計算時的注意事項(xiàng)
6.10復(fù)習(xí)題
第7章 隨機(jī)性動態(tài)規(guī)劃
7.1當(dāng)前階段的費(fèi)用不確定，而下一周期的狀態(tài)確定
7.2隨機(jī)性存儲模型
7.3如何最大化有利事件發(fā)生的概率
7.4隨機(jī)性動態(tài)規(guī)劃表述的更多示例
7.5馬爾可夫決策過程
7.5.1MDP的描述
7.5.2策略迭代
7.5.3線性規(guī)劃
7.5.4值迭代
7.5.5最大化每個周期的平均收益
7.6本章小結(jié)
7.6.1表述隨機(jī)性動態(tài)規(guī)劃問題（PDP）的關(guān)鍵
7.6.2最大化有利事件發(fā)生的概率
7.6.3馬爾可夫決策過程
7.6.4策略迭代
7.6.5線性規(guī)劃
7.6.6值迭代或連續(xù)近似值
7.7復(fù)習(xí)題
第8章 排隊(duì)論
8.1一些排隊(duì)術(shù)語
8.1.1輸入或到達(dá)過程
8.1.2輸出或者服務(wù)過程
8.1.3排隊(duì)規(guī)則
8.1.4到達(dá)者加入隊(duì)列的方式
8.2建立到達(dá)和服務(wù)過程的模型
8.2.1建立到達(dá)過程的模型
8.2.2建立服務(wù)過程的模型
8.2.3排隊(duì)系統(tǒng)的kendallLee符號表示法
8.2.4等待時間矛盾論
8.3生滅過程
8.3.1生滅過程的動作定理
8.3.2指數(shù)分布與生滅過程的關(guān)系
8.3.3生滅過程的穩(wěn)態(tài)概率的推導(dǎo)
8.3.4求解生滅流量平衡方程
8.3.5使用電子表格計算穩(wěn)態(tài)概率
8.4M/M/1/GD/∞/∞排隊(duì)系統(tǒng)和排隊(duì)公式L=λW
8.4.1穩(wěn)態(tài)概率的推導(dǎo)
8.4.2L的推導(dǎo)
8.4.3Lq的推導(dǎo)
8.4.4Ls的推導(dǎo)
8.4.5排隊(duì)公式L=λW
8.4.6排隊(duì)優(yōu)化模型
8.4.7使用電子表格計算M/M/1/GD/∞/∞排隊(duì)系統(tǒng)
8.5M/M/1/GD/c/∞排隊(duì)系統(tǒng)
8.6M/M/s/GD/∞/∞排隊(duì)系統(tǒng)
8.6.1使用電子表格計算M/M/s/GD/∞/∞排隊(duì)系統(tǒng)
8.6.2使用LINGO計算M/M/s/GD/∞/∞排隊(duì)系統(tǒng)
8.7M/G/∞/GD/∞/∞和GI/G/∞/GD/∞/∞模型
8.8M/G/1/GD/∞/∞排隊(duì)系統(tǒng)
8.9有限源模型： 機(jī)器維修模型
8.9.1使用電子表格計算機(jī)器維修問題
8.9.2使用LINGO計算機(jī)器維修模型
8.10串行指數(shù)分布隊(duì)列和開放式排隊(duì)網(wǎng)絡(luò)
8.10.1開放式排隊(duì)網(wǎng)絡(luò)
8.10.2數(shù)據(jù)通信網(wǎng)絡(luò)的網(wǎng)絡(luò)模型
8.11M/G/s/GD/s/∞系統(tǒng)（被阻擋客戶被清除）
8.11.1使用電子表格計算BCC模型
8.11.2使用LINGO計算BCC模型
8.12如何斷定到達(dá)時間間隔和服務(wù)時間服從指數(shù)分布
8.13閉合式排隊(duì)網(wǎng)絡(luò)
8.14G/G/m排隊(duì)系統(tǒng)的近似求解法
8.15優(yōu)先排隊(duì)模型
8.15.1非搶占式優(yōu)先模型
8.15.2Mi/Gi/1/NPRP/∞/∞模型
8.15.3具有客戶等待成本的Mi/Gi/1/NPRP/∞/∞模型
8.15.4Mi/M/s/NPRP/∞/∞模型
8.15.5搶占式優(yōu)先級
8.16排隊(duì)系統(tǒng)的瞬變行為
8.17本章小結(jié)
8.17.1指數(shù)分布
8.17.2愛爾朗分布
8.17.3生滅過程
8.17.4排隊(duì)系統(tǒng)參數(shù)的表示法
8.17.5M/M/1/GD/∞/∞模型
8.17.6M/M/1/GD/c/∞模型
8.17.7M/M/s/GD/∞/∞模型
8.17.8M/G/∞/GD/∞/∞模型
8.17.9M/G/1/GD/∞/∞模型
8.17.10機(jī)器維修（M/M/R/GD/K/K）模型
8.17.11串行指數(shù)分布隊(duì)列
8.17.12M/G/s/GD/s/∞模型
8.17.13到達(dá)時間間隔或服務(wù)時間不服從指數(shù)分布的處理
8.17.14閉合式排隊(duì)網(wǎng)絡(luò)
8.17.15G/G/m排隊(duì)系統(tǒng)的近似求解法
8.17.16排隊(duì)系統(tǒng)的瞬變行為
8.18復(fù)習(xí)題
第9章 模擬技術(shù)
9.1基本術(shù)語
9.2離散事件模擬示例
9.3隨機(jī)數(shù)和蒙特卡羅模擬
9.3.1隨機(jī)數(shù)生成器
9.3.2隨機(jī)數(shù)的計算機(jī)生成
9.4蒙特卡羅模擬示例
9.5使用連續(xù)隨機(jī)變量執(zhí)行模擬
9.5.1逆轉(zhuǎn)方法
9.5.2接受排除法
9.5.3正態(tài)分布的直接和卷積方法
9.6隨機(jī)模擬示例
9.7模擬中的統(tǒng)計分析
9.8模擬語言
9.9模擬過程
9.10本章小結(jié)
9.10.1模擬簡介
9.10.2模擬過程
9.10.3生成隨機(jī)變量
9.10.4模擬類型
9.11復(fù)習(xí)題
第10章 使用Process Model執(zhí)行模擬
10.1模擬M/M/1排隊(duì)系統(tǒng)
10.2模擬M/M/2系統(tǒng)
10.3模擬串行系統(tǒng)
10.4模擬開放式排隊(duì)網(wǎng)絡(luò)
10.5模擬愛爾朗服務(wù)時間
10.6Process Model的其他功能
10.7復(fù)習(xí)題
第11章 使用Excel插件@Risk執(zhí)行模擬
11.1@Risk簡介： 賣報人問題
11.1.1求解預(yù)期利潤的置信區(qū)間
11.1.2使用RISKNORMAL函數(shù)建立正態(tài)需求模型
11.1.3求解目標(biāo)和百分比
11.1.4用@Risk創(chuàng)建圖
11.1.5使用Report Settings選項(xiàng)
11.1.6使用@Risk統(tǒng)計
11.2建立新產(chǎn)品現(xiàn)金流模型
11.2.1三角形隨機(jī)變量
11.2.2Lilly模型
11.3項(xiàng)目計劃模型
11.4可靠性和保修建模
11.4.1機(jī)器使用壽命的分布
11.4.2機(jī)器組合的一般類型
11.4.3 估計保修費(fèi)用
11.5RISKGENERAL函數(shù)
11.6RISKCUMULATIVE隨機(jī)變量
11.7RISKTRIGEN隨機(jī)變量
11.8基于點(diǎn)值預(yù)測創(chuàng)建分布
11.9預(yù)測大型公司的收入
11.9.1凈收入不相關(guān)的求解方法
11.9.2檢查相關(guān)性
11.10使用數(shù)據(jù)獲得新產(chǎn)品模擬的輸入
11.10.1模擬容量不確定性的方案
11.10.2用一個獨(dú)立變量模擬統(tǒng)計關(guān)系
11.11模擬和投標(biāo)
11.12用@Risk玩擲雙骰子游戲
11.13模擬NBA總決賽
11.14復(fù)習(xí)題
第12章 使用Riskoptimizer在不確定情況下實(shí)現(xiàn)最優(yōu)化
12.1Riskoptimizer介紹： 賣報人問題
12.1.1Settings圖標(biāo)
12.1.2Start Optimization圖標(biāo)
12.1.3Pause Optimization圖標(biāo)
12.1.4Stop Optimization圖標(biāo)
12.1.5Display Watcher圖標(biāo)
12.1.6將Riskoptimizer用于日歷示例
12.2涉及歷史數(shù)據(jù)的賣報人問題
12.3不確定情況下的人員安排
12.4產(chǎn)品組合問題
12.5不確定情況下的農(nóng)業(yè)計劃
12.6加工車間作業(yè)安排
12.7旅行推銷員問題
12.8復(fù)習(xí)題
第13章 期權(quán)定價和實(shí)際期權(quán)
13.1股票價格的對數(shù)正態(tài)模型
13.1.1均值的歷史數(shù)據(jù)估計和股票利潤的波動率
13.1.2求對數(shù)正態(tài)分布變量的均值和方差
13.1.3對數(shù)正態(tài)隨機(jī)變量的置信區(qū)間
13.2期權(quán)的定義
13.3實(shí)際期權(quán)的類型
13.3.1購買飛機(jī)的期權(quán)
13.3.2放棄期權(quán)
13.3.3其他實(shí)際期權(quán)機(jī)會
13.4用套利法評估期權(quán)
13.4.1在買入期權(quán)定價不當(dāng)?shù)那闆r下創(chuàng)造賺錢機(jī)器
13.4.2為什么股票的上漲率不影響買入價格
13.5BlackScholes期權(quán)定價公式
13.6估計波動率
13.7期權(quán)定價的風(fēng)險中立法
13.7.1風(fēng)險中立法背后的邏輯
13.7.2風(fēng)險中立定價的示例
13.7.3證明美式買入期權(quán)決不應(yīng)及早執(zhí)行
13.8用BlackScholes公式評估Internet啟動項(xiàng)目和Web TV
13.8.1評估Internet啟動項(xiàng)目
13.8.2評估“創(chuàng)新期權(quán)”： Web TV
13.9二項(xiàng)式模型和對數(shù)正態(tài)模型之間的關(guān)系
13.10使用二項(xiàng)樹給美式期權(quán)定價
13.10.1股票價格樹
13.10.2最優(yōu)決策策略
13.10.3使用條件格式化描述最優(yōu)執(zhí)行策略
13.10.4靈敏度分析
13.10.5與放棄期權(quán)的關(guān)系
13.10.6計算及早執(zhí)行邊界
13.10.7應(yīng)當(dāng)何時放棄
13.11通過模擬給歐式賣出和買入期權(quán)定價
13.12使用模擬評估實(shí)際期權(quán)
第14章 投資組合風(fēng)險、優(yōu)化和規(guī)避風(fēng)險
14.1風(fēng)險價值度量
14.2投資組合優(yōu)化： Markowitz法
14.2.1隨機(jī)變量的和： 均值和方差
14.2.2矩陣乘法和投資組合優(yōu)化
14.3使用情境法優(yōu)化投資組合
14.3.1自舉未來的年度利潤
14.3.2使投資組合的標(biāo)準(zhǔn)差風(fēng)險最小化
14.3.3使損失的概率最小化
14.3.4使Sharpe比率最大化
14.3.5使負(fù)面風(fēng)險最小化
14.3.6極小極大方法
14.3.7最大化VAR
第15章 預(yù)測模型
15.1移動平均數(shù)預(yù)測法
15.2單指數(shù)平滑法
15.3Holt法： 涉及趨勢的指數(shù)平滑法
15.4Winter法： 涉及季節(jié)性的指數(shù)平滑法
15.4.1Winter法的初始化
15.4.2預(yù)測精確度
15.5Ad Hoc預(yù)測法
15.6簡單線性回歸
15.6.1適合情況
15.6.2預(yù)測精確度
15.6.3回歸中的t檢定
15.6.4簡單線性回歸模型下面的假設(shè)條件
15.6.5用Excel運(yùn)行回歸
15.6.6用Excel獲得散點(diǎn)圖
15.7適當(dāng)表現(xiàn)非線性關(guān)系
15.7.1用電子表格適當(dāng)表現(xiàn)非線性關(guān)系
15.7.2使用Excel Trend Curve
15.8多重回歸
15.8.1預(yù)計βi的值
15.8.2重新分析擬合優(yōu)度
15.8.3假設(shè)檢驗(yàn)
15.8.4選擇最佳的回歸方程
15.8.5多重共線性
15.8.6啞變量
15.8.7解釋啞變量的系數(shù)
15.8.8倍增模型
15.8.9多重回歸中的異方差性和自相關(guān)
15.8.10在電子表格上實(shí)現(xiàn)多重回歸
15.9本章小結(jié)
15.9.1移動平均數(shù)預(yù)測法
15.9.2單指數(shù)平滑法
15.9.3Holt法
15.9.4Winter法
15.9.5簡單線性回歸
15.9.6適當(dāng)表現(xiàn)非線性關(guān)系
15.9.7多重回歸
15.10復(fù)習(xí)題
第16章 布朗運(yùn)動、隨機(jī)運(yùn)算和隨機(jī)控制
16.1什么是布朗運(yùn)動
16.2推導(dǎo)作為隨機(jī)活動極限的布朗運(yùn)動
16.3隨機(jī)微分方程
16.4Ito引理
16.5使用Ito引理推導(dǎo)BlackScholes期權(quán)定價模型
16.6隨機(jī)控制簡介
16.7復(fù)習(xí)題