后悔值决策法

本文介绍了后悔值决策法,一种基于避免后悔的决策策略,通过计算不同方案在不同销售前景下的最大后悔值来选择最优决策。尽管可能过于悲观,但在实际中需结合风险和收益等因素。案例中,企业在新产品投放决策中,通过计算得出新建半自动生产线为最小后悔值方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

后悔值决策法

后悔值决策法,也称为萨维奇方法或遗憾法,是一种基于后悔感的决策方法

操作步骤

  1. 确定每种自然状态下最高收益值与其他方案收益值之差,即后悔值
  2. 从所有方案的最大后悔值中选出最小的后悔值对应的方案,作为最优决策方案

后悔值决策法可能过于悲观,仅关注避免后悔,而不一定是最优的决策方法。
在实际应用中,决策者应综合考虑各种因素,包括风险、收益和不确定性,以做出更合理的决策。

案例

某企业要投产一种产品,生产方案有四个:A新建全自动生产线;B新建半自动生产线;C购置旧生产设备;D外包加工生产。未来该产品的销售前景估计为很好,一般和较差三种,不同情况下该产品的收益值如下:(单位:百万元)

-销路很好销量一般销量较差
A800200-300
B600250-150
C450200-100
D300100-20

用后悔值(在同样的条件下,宣传方案所生产的收益损失值)的方案决策应该选( )方案
A. 新建全自动生产线
B. 新建半自动生产线
C. 购置旧生产设备
D. 外包加工生产

后悔值销路很好销量一般销量较差最大后悔值
最高收益值800250-20
A050280280
B2000150200
C35050200350
D5001500500
  1. 找出第种销售前景的最高收益值(最大值 )
  2. 计算每种方案的最高收益与收益值的差值(后悔值)
  3. 选择最小后悔值方案

答案选择 B

基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统,个人经导师指导并认可通过的高分设计项目,评审分98分,项目中的源码都是经过本地编译过可运行的,都经过严格调试,确保可以运行!主要针对计算机相关专业的正在做大作业、毕业设计的学生和需要项目实战练习的学习者,资源项目的难度比较适中,内容都是经过助教老师审定过的能够满足学习、使用需求,如果有需要的话可以放心下载使用。 基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经网络的果蔬识别系统基于python tensorflow2.3的果蔬识别系统源码+模型-基于卷积神经
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值