风险型决策的多目标期望值综合法探讨
需积分: 5 177 浏览量
更新于2024-08-11
收藏 276KB PDF 举报
本文主要讨论的是风险型多目标定量决策的方法,发表于1991年的《桂林冶金地质学院学报》第11卷第1期。作者赵相忠针对现实中决策问题的复杂性,尤其是当决策涉及到多个目标时,如投资方案需考虑经济效益、就业机会、资源利用与环保等,传统的单目标决策往往不能全面反映所有目标的影响。因此,提出了一种处理此类问题的新方法。
首先,该方法强调了在风险型决策中,关键步骤是计算每个方案在不同目标下的期望值,即对每一种可能的结果,根据其发生的概率计算出相应的期望收益。这一步骤有助于量化不确定性,使决策者能够基于客观的数据评估每个方案的潜在结果。
然后,通过对各方案在多个目标上的期望值进行综合计算,形成一个综合期望值。这个综合期望值反映了方案在所有目标上的整体表现,便于比较和选择。通过寻找这些综合期望值中的极值,可以确定出在满足多目标的前提下,最优化的决策方案。
文章还区分了决策问题的三种类型:确定型、风险型和不确定型。确定型决策中,所有条件已知且明确,决策相对简单;风险型决策则存在多种可能的状态及其概率,虽然有主观概率,但存在一定程度的风险;不确定型决策则是最复杂的情况,既无确定的条件,也无概率信息。本文主要关注风险型决策,而对于确定型和不确定型决策,作者仅提及并未深入展开。
这篇文章提供了一个实用的风险型多目标定量决策框架,强调了在复杂决策环境中,考虑多目标的重要性以及如何通过量化手段来平衡各种目标,以提高决策的准确性和可靠性。这对于企业管理者和其他决策者在面临多目标问题时,提供了重要的理论指导和实践参考。
2019-09-20 上传
2023-09-11 上传
2023-05-12 上传
2023-05-12 上传
2023-09-01 上传
2023-03-29 上传
2023-09-16 上传
2023-05-09 上传
2023-10-23 上传
weixin_38628830
- 粉丝: 3
- 资源: 954
最新资源
- 达梦数据库DM8手册大全:安装、管理与优化指南
- Python Matplotlib库文件发布:适用于macOS的最新版本
- QPixmap小demo教程:图片处理功能实现
- YOLOv8与深度学习在玉米叶病识别中的应用笔记
- 扫码购物商城小程序源码设计与应用
- 划词小窗搜索插件:个性化搜索引擎与快速启动
- C#语言结合OpenVINO实现YOLO模型部署及同步推理
- AutoTorch最新包文件下载指南
- 小程序源码‘有调’功能实现与设计课程作品解析
- Redis 7.2.3离线安装包快速指南
- AutoTorch-0.0.2b版本安装教程与文件概述
- 蚁群算法在MATLAB上的实现与应用
- Quicker Connector: 浏览器自动化插件升级指南
- 京东白条小程序源码解析与实践
- JAVA公交搜索系统:前端到后端的完整解决方案
- C语言实现50行代码爱心电子相册教程