决策分析理论

前言
第1章 决策分析概述
1.1 决策与决策问题
1.1.1 决策
1.1.2 决策问题的要素
1.1.3 决策的特点
1.1.4 决策问题的复杂性
1.2 决策问题的分类
1.2.1 按决策的层次划分
1.2.2 按决策问题的规范性划分
1.2.3 按决策者的数量划分
1.2.4 按信息的不确定程度划分
1.2.5 按决策过程的时序划分
1.2.6 按决策的准则数量划分
1.2.7 按决策问题的量化程度划分
1.2.8 按决策问题的领域划分
1.3 决策分析的概念及过程
1.3.1 决策分析的概念
1.3.2 决策分析的分类
1.3.3 决策分析的过程
1.4 决策分析的应用与发展
1.4.1 决策分析的应用
1.4.2 决策分析的发展历史
1.4.3 相关学术杂志与活动
1.4.4 决策分析的发展趋势
第2章 Bayes决策
2.1 客观概率与主观概率
2.1.1 概率的定义
2.1.2 主观概率公理
2.1.3 主观概率的估计
2.2 统计决策
2.2.1 统计决策问题的模型
2.2.2 统计决策准则
2.2.3 信息的价值
*2.3 验前分布的确定
2.3.1 确定验前分布的方法
2.3.2 无信息先验
2.3.3 共轭先验
*2.3.4 极大熵先验
*2.4 统计决策的应用
2.4.1 具有部分验前信息的Bayes决策
2.4.2 导弹命中率的Bayes鉴定
第3章 价值函数与期望效用理论
3.1 相关的基本概念
3.1.1 二元关系与序关系
3.1.2 函数的凸性
3.2 偏好序与价值函数
3.2.1 偏好关系
3.2.2 序数价值函数
3.3 效用函数
3.3.1 后果集为有限集的效用函数
*3.3.2 后果集为连续集合时的期望效用函数
3.4 风险态度及其度量
3.4.1 决策者的风险态度
3.4.2 局部风险厌恶
3.4.3 风险厌恶程度的比较
*第4章 随机优势分析
4.1 随机优势的概念
4.1.1 M-V准则
4.1.2 随机优势的提出
4.1.3 三种效用函数类型
4.1.4 随机优势的定义
4.2 三类随机优势的性质
4.2.1 一阶随机优势
4.2.2 二阶随机优势
4.2.3 三阶随机优势
4.3 随机优势与M-V准则
第5章 多属性价值函数与效用函数
5.1 多属性价值函数
5.1.1 两个属性的情形
5.1.2 三个以上属性的情形
5.1.3 价值函数的估计
5.2 多属性效用函数
5.2.1 两个属性时的情形
5.2.2 多个属性时的情形
5.2.3 多属性效用函数的估计
第6章 群体决策
6.1 群决策及其特点
6.1.1 群体决策问题及其特点
6.1.2 群体决策常见的问题
6.1.3 常见的群体决策方法
6.2 社会选择函数
6.2.1 基本概念
6.2.2 投票规则
6.2.3 策略性投票
*6.2.4 其他社会选择函数
6.3 社会福利函数的性质
6.3.1 两个方案的社会福利函数
6.3.2 Arrow不可能定理
*6.3.3 社会偏好满足传递性的条件
6.4 群价值函数与群效用函数
6.4.1 群价值函数
6.4.2 群效用函数
第7章 Markov决策过程
7.1 Markov链与Markov决策过程模型
7.1.1 离散时间Mar*KOV链
7.1.2 Markov决策过程模型
7.2 期望平均费用决策准则模型
7.2.1 相关概念和性质
7.2.2 策略迭代法
*7.2.3 线性规划法
7.2.4 值迭代法
7.3 期望折扣费用决策准则模型
7.3.1 函数方程
7.3.2 策略改进法
7.3.3 应用示例
*7.4 最优停止问题
7.4.1 正费用无贴现问题
7.4.2 最优停止问题的求解
第8章 Bayes网络与影响图
8.1 图论与概率基础
8.1.1 图论的相关概念
8.1.2 条件独立与d-分隔
8.2 决策树模型与求解
8.2.1 决策树模型
8.2.2 决策树的求解
8.3 Bayes网络及其推理
8.3.1 Bayes网络各的概念及性质
8.3.2 Bayes网络的推理
8.4 影响图模型及其求解
8.4.1 概述
8.4.2 影响图的决策树求解法
8.4.3 影响图的Shachter化简算法
8.4.4 影响图的Bayes网络算法
第9章 行为决策理论基础
9.1 决策行为的影响因素
9.1.1 决策行为的影响因素
9.1.2 期望效用理论面临的问题
9.2 前景理论
9.2.1 前景理论模型
9.2.2 前景理论的应用
9.2.3 累积前景理论
9.3 启发式与偏差
9.3.1 代表性启发
9.3.2 易得性启发式
9.3.3 锚定与调整启发式
9.3.4 决策判断中常见的陷阱
参考文献