Optimal Decisions Under Uncertainty: Methods, Models, and Management

درک محیط تصادفی به همان اندازه برای مدیر مهم است که برای اقتصاددان. از تولید و بازاریابی گرفته تا مدیریت مالی، یک مدیر باید هزینه های مختلف تحمیل شده توسط عدم اطمینان را ارزیابی کند. اقتصاددان نقش ساختارهای اطلاعاتی ناقص و اغلب ناقص را در تصمیمات بهینه اتخاذ شده توسط یک شرکت تحلیل می کند. نیاز به درک نقش عدم قطعیت در مدل های تصمیم گیری کمی، هم در علم اقتصاد و هم در علم مدیریت، انگیزه اصلی این تک نگاری را فراهم می کند. محیط تصادفی در اینجا بر حسب مدل‌های خاص بهینه‌سازی زیر تحلیل می‌شود: مدل‌های خطی و درجه دوم، برنامه‌ریزی خطی، تئوری کنترل و برنامه‌نویسی پویا. عدم قطعیت در اینجا از طریق پارامترها، محدودیت ها و تابع هدف و تأثیر آن ارزیابی شده معرفی می شود. به طور خاص بر پیشرفت های اخیر در تحقیقات کاربردی تاکید شده است، به طوری که می تواند به تصمیم گیرنده کمک کند تا به راه حلی برسد که دارای برخی ویژگی های مطلوب مانند استحکام، ثبات و احتیاط باشد. درمان ریاضی در سطح نسبتاً ابتدایی نگه داشته می شود و از آنجایی که بر جنبه ها بسیار بیشتر از تئوری تأکید می شود، اعمال می شود. علاوه بر این، تلاش شده است تا نظریه اقتصادی عدم قطعیت در نظریه تصادفی تحقیق در عملیات گنجانده شود. روش‌های قواعد تصمیم‌گیری بهینه نشان‌داده‌شده او در سه حوزه گسترده قابل اجرا هستند: (الف) مدل‌های اقتصادی کاربردی در تخصیص منابع و برنامه‌ریزی اقتصادی، (ب) مدل‌های تحقیق در عملیات شامل تحلیل پورتفولیو و برنامه‌ریزی خطی تصادفی و (ج) مدل‌های علم سیستم‌ها در تصادفی. کنترل و رفتار انطباقی.

Understanding the stochastic enviornment is as much important to the manager as to the economist. From production and marketing to financial management, a manager has to assess various costs imposed by uncertainty. The economist analyzes the role of incomplete and too often imperfect information structures on the optimal decisions made by a firm. The need for understanding the role of uncertainty in quantitative decision models, both in economics and management science provide the basic motivation of this monograph. The stochastic environment is analyzed here in terms of the following specific models of optimization: linear and quadratic models, linear programming, control theory and dynamic programming. Uncertainty is introduced here through the para­ meters, the constraints, and the objective function and its impact evaluated. Specifically recent developments in applied research are emphasized, so that they can help the decision-maker arrive at a solution which has some desirable charac­ teristics like robustness, stability and cautiousness. Mathematical treatment is kept at a fairly elementary level and applied as­ pects are emphasized much more than theory. Moreover, an attempt is made to in­ corporate the economic theory of uncertainty into the stochastic theory of opera­ tions research. Methods of optimal decision rules illustrated he re are applicable in three broad areas: (a) applied economic models in resource allocation and economic planning, (b) operations research models involving portfolio analysis and stochastic linear programming and (c) systems science models in stochastic control and adaptive behavior.