Optimal Decisions under Uncertainty

تئوری تصمیم‌گیری‌های بهینه در یک محیط تصادفی در سال‌های اخیر شاهد تحولات جدید بسیاری بوده است. پیامدهای چنین نظریه ای برای کاربردهای تجربی و سیاستی چندین است. این کتاب سعی دارد برخی از جنبه های کاربردی مهم این نظریه و تحولات اخیر آن را تحلیل کند. محیط تصادفی در اینجا به شکل خاصی در نظر گرفته می شود، به عنوان مثال، (الف) برنامه های خطی (LP) با پارامترهای مشمول یک مکانیسم احتمالی، (ب) مدل های تصمیم گیری با ریسک گریزی، (ج) تخصیص منابع در یک تیم، و (د) برنامه ریزی اقتصاد ملی این کتاب تلاش می‌کند بینش‌های تحقیقاتی جدیدی را در زمینه‌های مختلف ارائه دهد، به عنوان مثال، (الف) راه‌حل‌های استراتژی ترکیبی و آزمون‌های اقتصادسنجی فرضیه‌های مدل‌های LP، (ب) مسائل دوگانه تخمین کارآمد و تنظیم بهینه، (ج) برنامه‌ریزی ورودی- خروجی تحت رقابت ناقص، و (د) برنامه های خطی به عنوان بازی های آماری محدود دیده می شود. روش‌های قوانین تصمیم‌گیری بهینه توسعه‌یافته در اینجا برای مسائل تصمیم‌گیری درجه دوم و خطی در سه حوزه گسترده قابل اجرا هستند: (الف) مدل‌های اقتصادی کاربردی در تخصیص منابع، برنامه‌ریزی و تصمیم‌گیری تیمی، (ب) مدل‌های تحقیق در عملیات در تصمیم‌گیری‌های مدیریتی که شامل تحلیل پورتفولیو و برنامه‌ریزی تصادفی است. و (ج) مدل‌های علم سیستم در کنترل تصادفی و رفتار تطبیقی. برخی از نتایج گزارش شده در اینجا در مجلات حرفه ای منتشر شده است. پیش از این، و من می‌خواهم از مجلات زیر به ویژه تشکر کنم: مجله بین‌المللی علوم سیستم‌ها، مجله نظریه بهینه‌سازی و کاربردها و مجله تحلیل و برنامه‌های ریاضی.

The theory of optimal decisions in a stochastic environment has seen many new developments in recent years. The implications of such theory for empirical and policy applications are several. This book attempts to analyze some of the impor­ tant applied aspects of this theory and its recent developments. The stochastic environment is considered here in specific form, e.g., (a) linear programs (LP) with parameters subject to a probabilistic mechanism, (b) decision models with risk aversion, (c) resource allocation in a team, and (d) national economic planning. The book attempts to provide new research insights into several areas, e.g., (a) mixed strategy solutions and econometric tests of hypotheses of LP models, (b) the dual problems of efficient estimation and optimal regulation, (c) input-output planning under imperfect competition, and (d) linear programs viewed as constrained statistical games. Methods of optimal decision rules developed here for quadratic and linear decision problems are applicable in three broad areas: (a) applied economic models in resource allocation, planning and team decision, (b) operations research models in management decisions involving portfolio analysis and stochastic programming, and (c) systems science models in stochastic control and adaptive behavior. Some results reported here have been published in professional journals be-. fore, and I would like to thank the following journals in particular: Inter­ national Journal of Systems Science, Journal of Optimization Theory and Applica­ tions and Journal of Mathematical Analysis and Applications.