決策分析理論

前言
第1章 決策分析概述
1.1 決策與決策問(wèn)題
1.1.1 決策
1.1.2 決策問(wèn)題的要素
1.1.3 決策的特點(diǎn)
1.1.4 決策問(wèn)題的復(fù)雜性
1.2 決策問(wèn)題的分類
1.2.1 按決策的層次劃分
1.2.2 按決策問(wèn)題的規(guī)范性劃分
1.2.3 按決策者的數(shù)量劃分
1.2.4 按信息的不確定程度劃分
1.2.5 按決策過(guò)程的時(shí)序劃分
1.2.6 按決策的準(zhǔn)則數(shù)量劃分
1.2.7 按決策問(wèn)題的量化程度劃分
1.2.8 按決策問(wèn)題的領(lǐng)域劃分
1.3 決策分析的概念及過(guò)程
1.3.1 決策分析的概念
1.3.2 決策分析的分類
1.3.3 決策分析的過(guò)程
1.4 決策分析的應(yīng)用與發(fā)展
1.4.1 決策分析的應(yīng)用
1.4.2 決策分析的發(fā)展歷史
1.4.3 相關(guān)學(xué)術(shù)雜志與活動(dòng)
1.4.4 決策分析的發(fā)展趨勢(shì)
第2章 Bayes決策
2.1 客觀概率與主觀概率
2.1.1 概率的定義
2.1.2 主觀概率公理
2.1.3 主觀概率的估計(jì)
2.2 統(tǒng)計(jì)決策
2.2.1 統(tǒng)計(jì)決策問(wèn)題的模型
2.2.2 統(tǒng)計(jì)決策準(zhǔn)則
2.2.3 信息的價(jià)值
*2.3 驗(yàn)前分布的確定
2.3.1 確定驗(yàn)前分布的方法
2.3.2 無(wú)信息先驗(yàn)
2.3.3 共軛先驗(yàn)
*2.3.4 極大熵先驗(yàn)
*2.4 統(tǒng)計(jì)決策的應(yīng)用
2.4.1 具有部分驗(yàn)前信息的Bayes決策
2.4.2 導(dǎo)彈命中率的Bayes鑒定
第3章 價(jià)值函數(shù)與期望效用理論
3.1 相關(guān)的基本概念
3.1.1 二元關(guān)系與序關(guān)系
3.1.2 函數(shù)的凸性
3.2 偏好序與價(jià)值函數(shù)
3.2.1 偏好關(guān)系
3.2.2 序數(shù)價(jià)值函數(shù)
3.3 效用函數(shù)
3.3.1 后果集為有限集的效用函數(shù)
*3.3.2 后果集為連續(xù)集合時(shí)的期望效用函數(shù)
3.4 風(fēng)險(xiǎn)態(tài)度及其度量
3.4.1 決策者的風(fēng)險(xiǎn)態(tài)度
3.4.2 局部風(fēng)險(xiǎn)厭惡
3.4.3 風(fēng)險(xiǎn)厭惡程度的比較
*第4章 隨機(jī)優(yōu)勢(shì)分析
4.1 隨機(jī)優(yōu)勢(shì)的概念
4.1.1 M-V準(zhǔn)則
4.1.2 隨機(jī)優(yōu)勢(shì)的提出
4.1.3 三種效用函數(shù)類型
4.1.4 隨機(jī)優(yōu)勢(shì)的定義
4.2 三類隨機(jī)優(yōu)勢(shì)的性質(zhì)
4.2.1 一階隨機(jī)優(yōu)勢(shì)
4.2.2 二階隨機(jī)優(yōu)勢(shì)
4.2.3 三階隨機(jī)優(yōu)勢(shì)
4.3 隨機(jī)優(yōu)勢(shì)與M-V準(zhǔn)則
第5章 多屬性價(jià)值函數(shù)與效用函數(shù)
5.1 多屬性價(jià)值函數(shù)
5.1.1 兩個(gè)屬性的情形
5.1.2 三個(gè)以上屬性的情形
5.1.3 價(jià)值函數(shù)的估計(jì)
5.2 多屬性效用函數(shù)
5.2.1 兩個(gè)屬性時(shí)的情形
5.2.2 多個(gè)屬性時(shí)的情形
5.2.3 多屬性效用函數(shù)的估計(jì)
第6章 群體決策
6.1 群決策及其特點(diǎn)
6.1.1 群體決策問(wèn)題及其特點(diǎn)
6.1.2 群體決策常見(jiàn)的問(wèn)題
6.1.3 常見(jiàn)的群體決策方法
6.2 社會(huì)選擇函數(shù)
6.2.1 基本概念
6.2.2 投票規(guī)則
6.2.3 策略性投票
*6.2.4 其他社會(huì)選擇函數(shù)
6.3 社會(huì)福利函數(shù)的性質(zhì)
6.3.1 兩個(gè)方案的社會(huì)福利函數(shù)
6.3.2 Arrow不可能定理
*6.3.3 社會(huì)偏好滿足傳遞性的條件
6.4 群價(jià)值函數(shù)與群效用函數(shù)
6.4.1 群價(jià)值函數(shù)
6.4.2 群效用函數(shù)
第7章 Markov決策過(guò)程
7.1 Markov鏈與Markov決策過(guò)程模型
7.1.1 離散時(shí)間Mar*KOV鏈
7.1.2 Markov決策過(guò)程模型
7.2 期望平均費(fèi)用決策準(zhǔn)則模型
7.2.1 相關(guān)概念和性質(zhì)
7.2.2 策略迭代法
*7.2.3 線性規(guī)劃法
7.2.4 值迭代法
7.3 期望折扣費(fèi)用決策準(zhǔn)則模型
7.3.1 函數(shù)方程
7.3.2 策略改進(jìn)法
7.3.3 應(yīng)用示例
*7.4 最優(yōu)停止問(wèn)題
7.4.1 正費(fèi)用無(wú)貼現(xiàn)問(wèn)題
7.4.2 最優(yōu)停止問(wèn)題的求解
第8章 Bayes網(wǎng)絡(luò)與影響圖
8.1 圖論與概率基礎(chǔ)
8.1.1 圖論的相關(guān)概念
8.1.2 條件獨(dú)立與d-分隔
8.2 決策樹(shù)模型與求解
8.2.1 決策樹(shù)模型
8.2.2 決策樹(shù)的求解
8.3 Bayes網(wǎng)絡(luò)及其推理
8.3.1 Bayes網(wǎng)絡(luò)各的概念及性質(zhì)
8.3.2 Bayes網(wǎng)絡(luò)的推理
8.4 影響圖模型及其求解
8.4.1 概述
8.4.2 影響圖的決策樹(shù)求解法
8.4.3 影響圖的Shachter化簡(jiǎn)算法
8.4.4 影響圖的Bayes網(wǎng)絡(luò)算法
第9章 行為決策理論基礎(chǔ)
9.1 決策行為的影響因素
9.1.1 決策行為的影響因素
9.1.2 期望效用理論面臨的問(wèn)題
9.2 前景理論
9.2.1 前景理論模型
9.2.2 前景理論的應(yīng)用
9.2.3 累積前景理論
9.3 啟發(fā)式與偏差
9.3.1 代表性啟發(fā)
9.3.2 易得性啟發(fā)式
9.3.3 錨定與調(diào)整啟發(fā)式
9.3.4 決策判斷中常見(jiàn)的陷阱
參考文獻(xiàn)