第1章 建模與決策分析引論 1
1.0 引言 1
1.1 決策建模方法 1
1.2 建模的特性和優(yōu)點 3
1.3 數(shù)學模型 3
1.4 數(shù)學模型分類 4
1.5 商業(yè)分析與問題求解過程 5
1.6 錨定效應(yīng)和框架效應(yīng) 7
1.7 好的決策與好的結(jié)果 8
1.8 本章小結(jié) 9
1.9 參考文獻 9
思考題與習題 11
案例1.1 Patrick的悖論 11
第2章 優(yōu)化與線性規(guī)劃引論 13
2.0 引言 13
2.1 數(shù)學優(yōu)化的應(yīng)用 13
2.2 優(yōu)化問題的特征 14
2.3 優(yōu)化問題的數(shù)學表達 14
2.3.1 決策 14
2.3.2 約束 14
2.3.3 目標 15
2.4 數(shù)學規(guī)劃方法 15
2.5 線性規(guī)劃問題舉例 15
2.6 建立線性規(guī)劃模型 16
2.6.1 建立線性規(guī)劃模型的步驟 16
2.7 線性規(guī)劃模型的例題小結(jié) 17
2.8 線性規(guī)劃模型的一般形式 18
2.9 求解線性規(guī)劃問題：直觀法 18
2.10 求解線性規(guī)劃問題：圖解法 19
2.10.1 繪制第一個約束條件 20
2.10.2 繪制第二個約束條件 20
2.10.3 繪制第三個約束條件 21
2.10.4 可行域 21
2.10.5 繪制目標函數(shù) 21
2.10.6 使用等值線找到最優(yōu)解 22
2.10.7 通過枚舉頂點找到最優(yōu)解 23
2.10.8 線性規(guī)劃問題圖解法小結(jié) 24
2.10.9 理解事情如何變化 24
2.11 線性規(guī)劃模型的特殊情況 24
2.11.1 多個最優(yōu)解 25
2.11.2 多余約束 25
2.11.3 無界解 27
2.11.4 無可行解 28
2.12 本章小結(jié) 28
2.13 參考文獻 29
思考題與習題 29
案例2.1 參數(shù)變化問題分析 34
第3章 電子表格中線性規(guī)劃問題的建模與求解 35
3.0 引言 35
3.1 電子表格中的規(guī)劃求解器 35
3.2 用電子表格求解線性規(guī)劃問題 35
3.3 電子表格中求解線性規(guī)劃模型的步驟 36
3.4 Blue Ridge浴缸問題的電子表格模型 37
3.4.1 組織數(shù)據(jù) 37
3.4.2 決策變量的表示 37
3.4.3 目標函數(shù)的表示 38
3.4.4 約束的表示 38
3.4.5 決策變量限制的表示 39
3.5 規(guī)劃求解器中的模型表述 39
3.6 ASP的使用 41
3.6.1 定義目標單元格 41
3.6.2 定義變量單元格 42
3.6.3 定義約束單元格 43
3.6.4 定義非負約束 44
3.6.5 檢查模型 45
3.6.6 其他選項 46
3.6.7 問題求解 46
3.7 使用Excel內(nèi)置的規(guī)劃求解器 47
3.8 電子表格設(shè)計的目標和指導(dǎo)原則 47
3.9 生產(chǎn)還是購買 49
3.9.1 定義決策變量 50
3.9.2 定義目標函數(shù) 50
3.9.3 定義約束 50
3.9.4 建立模型 50
3.9.5 求解模型 52
3.9.6 分析最優(yōu)解 52
3.10 投資問題 53
3.10.1 定義決策變量 53
3.10.2 定義目標函數(shù) 54
3.10.3 定義約束 54
3.10.4 建立模型 54
3.10.5 模型求解 56
3.10.6 分析最優(yōu)解 56
3.11 運輸問題 56
3.11.1 定義決策變量 57
3.11.2 定義目標函數(shù) 57
3.11.3 定義約束 58
3.11.4 建立模型 59
3.11.5 模型的啟發(fā)式求解 60
3.11.6 問題求解 61
3.11.7 分析最優(yōu)解 62
3.12 混合配比問題 62
3.12.1 定義決策變量 62
3.12.2 定義目標函數(shù) 63
3.12.3 定義約束 63
3.12.4 對約束、求解報告方式和
系數(shù)比例的一些討論 63
3.12.5 重新設(shè)定模型的系數(shù)比例 64
3.12.6 建立模型 65
3.12.7 問題求解 66
3.12.8 最優(yōu)解分析 67
3.13 生產(chǎn)和庫存計劃問題 67
3.13.1 定義決策變量 67
3.13.2 定義目標函數(shù) 68
3.13.3 定義約束 68
3.13.4 建立模型 69
3.13.5 求解模型 71
3.13.6 分析最優(yōu)解 71
3.14 多周期現(xiàn)金流量問題 72
3.14.1 定義決策變量 72
3.14.2 定義目標函數(shù) 73
3.14.3 定義約束 73
3.14.4 建立模型 75
3.14.5 求解模型 76
3.14.6 分析最優(yōu)解 77
3.14.7 考慮風險因素的Taco-Viva問題修正（可選內(nèi)容） 77
3.14.8 建立風險約束 79
3.14.9 求解模型 80
3.14.10 分析最優(yōu)解 80
3.15 數(shù)據(jù)包絡(luò)分析 81
3.15.1 定義決策變量 81
3.15.2 定義目標函數(shù) 82
3.15.3 定義約束 82
3.15.4 建立模型 83
3.15.5 求解模型 84
3.15.6 分析最優(yōu)解 86
3.16 本章小結(jié) 88
3.17 參考文獻 88
思考題與習題 89
案例3.1 將供應(yīng)鏈連接起來 103
案例3.2 Baldwin公司的外匯交易業(yè)務(wù) 104
案例3.3 Wolverine制造公司退休基金 105
案例3.4 救助海牛 106
第4章 靈敏度分析和單純形法 108
4.0 引言 108
4.1 靈敏度分析的目的 108
4.2 靈敏度分析的方法 108
4.3 案例 109
4.4 求解結(jié)果報表 110
4.5 靈敏度報表 111
4.5.1 目標函數(shù)系數(shù)變化 111
4.5.2 “假設(shè)其他條件不變”的說明 113
4.5.3 多重最優(yōu)解 113
4.5.4 右端項的變化 113
4.5.5 非嚴格約束的影子價格 113
4.5.6 關(guān)于影子價格的說明 114
4.5.7 影子價格和附加資源的價值 115
4.5.8 影子價格的其他應(yīng)用 115
4.5.9 差額成本（Reduced Cost）的意義 117
4.5.10 約束條件中系數(shù)變化的分析 118
4.5.11 同時改變多個目標函數(shù)系數(shù) 118
4.5.12 關(guān)于退化問題的警告 119
4.6 變量范圍報表 119
4.7 特定的靈敏度分析法 120
4.7.1 建立雷達圖和求解表 120
4.7.2 創(chuàng)建一個求解表 123
4.7.3 說明 125
4.8 魯棒優(yōu)化 125
4.9 單純形法 128
4.9.1 利用松弛變量建立等式約束 128
4.9.2 基可行解 128
4.9.3 尋找最優(yōu)解 130
4.10 本章小結(jié) 130
4.11 參考文獻 131
思考題與習題 132
案例4.1 堅果生產(chǎn)問題 139
案例4.2 Parket Sisters公司 140
案例4.3 Kamm工業(yè)公司 142
第5章 網(wǎng)絡(luò)建模 144
5.0 引言 144
5.1 轉(zhuǎn)運問題 144
5.1.1 網(wǎng)絡(luò)流問題的特征 144
5.1.2 網(wǎng)絡(luò)流問題的決策變量 145
5.1.3 網(wǎng)絡(luò)流問題的目標函數(shù) 146
5.1.4 網(wǎng)絡(luò)流問題的約束 146
5.1.5 在電子表格中建立模型 147
5.1.6 分析最優(yōu)解 149
5.2 最短路問題 150
5.2.1 示例的線性規(guī)劃模型 151
5.2.2 電子表格模型及最優(yōu)解 152
5.2.3 網(wǎng)絡(luò)流模型及整數(shù)解 153
5.3 設(shè)備更新問題 154
5.3.1 電子表格模型及最優(yōu)解 154
5.4 運輸/指派問題 156
5.5 廣義網(wǎng)絡(luò)流問題 157
5.5.1 再生問題的線性規(guī)劃模型 158
5.5.2 求解模型 159
5.5.3 分析最優(yōu)解 160
5.5.4 廣義網(wǎng)絡(luò)流問題及可行性 161
5.6 最大流量問題 163
5.6.1 最大流量問題的示例 163
5.6.2 電子表格模型及最優(yōu)解 165
5.7 建模的特別考慮 166
5.8 最小生成樹問題 169
5.8.1 最小生成樹問題的一個算法 169
5.8.2 求解例題 170
5.9 本章小結(jié) 171
5.10 參考文獻 171
思考題與習題 172
案例5.1 Hamilton ＆ Jacobs投資公司 184
案例5.2 Old Dominion能源公司 185
案例5.3 美國速遞公司 186
案例5.4 Major電氣公司 187
第6章 整數(shù)線性規(guī)劃 189
6.0 引言 189
6.1 整數(shù)約束 189
6.2 放松約束 190
6.3 放松約束LP的求解 191
6.4 邊界 192
6.5 取整 193
6.6 算法終止規(guī)則 194
6.7 整數(shù)線性規(guī)劃問題的規(guī)劃 求解器求解 195
6.8 其他整數(shù)線性規(guī)劃問題 197
6.9 員工調(diào)度問題 197
6.9.1 定義決策變量 198
6.9.2 定義目標函數(shù) 198
6.9.3 定義約束條件 199
6.9.4 有關(guān)約束的注意事項 199
6.9.5 建立模型 199
6.9.6 求解模型 200
6.9.7 分析最優(yōu)解 201
6.10 二進制變量 201
6.11 資金預(yù)算問題 201
6.11.1 定義決策變量 202
6.11.2 定義目標函數(shù) 202
6.11.3 定義約束條件 202
6.11.4 設(shè)定二進制變量 203
6.11.5 建立模型 203
6.11.6 求解模型 203
6.11.7 最優(yōu)解與啟發(fā)式解的比較 204
6.12 二進制變量與邏輯約束 205
6.13 生產(chǎn)線平衡問題 205
6.13.1 定義決策變量 205
6.13.2 定義約束條件 206
6.13.3 定義目標函數(shù) 207
6.13.4 建立模型 207
6.13.5 分析最優(yōu)解 209
6.13.6 擴展 210
6.14 固定費用問題 212
6.14.1 定義決策變量 213
6.14.2 定義目標函數(shù) 213
6.14.3 定義約束條件 213
6.14.4 確定“大M”值 214
6.14.5 建立模型 214
6.14.6 求解模型 215
6.14.7 分析最優(yōu)解 216
6.14.8 函數(shù)IF()的說明 216
6.15 訂貨/采購量最小化 217
6.16 數(shù)量折扣問題 218
6.16.1 建立模型 218
6.16.2 缺少的約束 219
6.17 合同簽訂問題 219
6.17.1 構(gòu)建模型：目標函數(shù)和
運輸約束 220
6.17.2 建立運輸約束 220
6.17.3 構(gòu)建模型：副約束 221
6.17.4 建立副約束 222
6.17.5 求解模型 223
6.17.6 分析最優(yōu)解 223
6.18 分支定界法（選修） 224
6.18.1 分支 225
6.18.2 定界 226
6.18.3 再分支 226
6.18.4 再定界 228
6.18.5 分支定界法例題小結(jié) 228
6.19 本章小結(jié) 229
6.20 參考文獻 229
思考題與習題 230
案例6.1 木材采伐問題的優(yōu)化 246
案例6.2 Old Dominion的電力調(diào)度 247
案例6.3 MasterDebt鎖箱問題 248
案例6.4 蒙特利爾除雪問題 249
第7章 目標規(guī)劃與多目標優(yōu)化 251
7.0 引言 251
7.1 目標規(guī)劃 251
7.2 目標規(guī)劃例子 252
7.2.1 定義決策變量 252
7.2.2 定義目標 252
7.2.3 定義目標約束 253
7.2.4 定義硬約束 253
7.2.5 目標規(guī)劃的目標函數(shù) 254
7.2.6 定義目標函數(shù) 255
7.2.7 建立模型 255
7.2.8 求解模型 257
7.2.9 分析求解結(jié)果 258
7.2.10 修改模型 258
7.2.11 權(quán)衡：目標規(guī)劃的本質(zhì) 259
7.3 有關(guān)目標規(guī)劃的說明 259
7.4 多目標最優(yōu)化 260
7.5 多目標最優(yōu)化例子 261
7.5.1 定義決策變量 262
7.5.2 定義目標函數(shù) 262
7.5.3 定義約束條件 262
7.5.4 建立模型 262
7.5.5 確定目標函數(shù)的目標值 263
7.5.6 匯總目標解 265
7.5.7 確定目標規(guī)劃的目標函數(shù) 266
7.5.8 最小化最大目標 266
7.5.9 建立修訂模型 267
7.5.10 求解模型 268
7.6 有關(guān)多目標線性規(guī)劃的說明 269
7.7 本章小結(jié) 270
7.8 參考文獻 271
思考題與習題 271
案例7.1 在蒙特利爾清除積雪 281
案例7.2 食品券項目的營養(yǎng)計劃 282
案例7.3 Caro-Life公司銷售區(qū)域計劃 283
第8章 非線性規(guī)劃和演化算法 285
8.0 引言 285
8.1 非線性規(guī)劃問題的本質(zhì) 285
8.2 非線性規(guī)劃問題的求解策略 286
8.3 局部最優(yōu)解和全局最優(yōu)解 287
8.4 經(jīng)濟訂貨批量模型 289
8.4.1 建立模型 291
8.4.2 求解模型 292
8.4.3 分析最優(yōu)解 293
8.4.4 對EOQ模型的說明 293
8.5 選址問題 294
8.5.1 定義決策變量 295
8.5.2 定義目標函數(shù) 295
8.5.3 定義約束條件 295
8.5.4 建立模型 295
8.5.5 求解模型并分析最優(yōu)解 296
8.5.6 該問題的另一個解 297
8.5.7 選址問題的一些說明 298
8.6 非線性網(wǎng)絡(luò)流問題 298
8.6.1 定義決策變量 299
8.6.2 定義目標 299
8.6.3 定義約束 299
8.6.4 建立模型 300
8.6.5 求解模型并分析最優(yōu)解 302
8.7 項目選擇問題 302
8.7.1 定義決策變量 302
8.7.2 定義目標函數(shù) 303
8.7.3 定義約束 303
8.7.4 建立模型 304
8.7.5 求解模型 305
8.8 現(xiàn)有財務(wù)電子表格模型的優(yōu)化 306
8.8.1 建立模型 306
8.8.2 最優(yōu)化電子表格模型 307
8.8.3 分析最優(yōu)解 308
8.8.4 對優(yōu)化現(xiàn)有電子表格的說明 308
8.9 投資組合問題 309
8.9.1 定義決策變量 310
8.9.2 定義目標 310
8.9.3 定義約束 311
8.9.4 建立模型 311
8.9.5 分析最優(yōu)解 313
8.9.6 處理投資組合問題中的目標沖突 314
8.10 靈敏度分析 315
8.10.1 拉格朗日乘數(shù) 317
8.10.2 簡約梯度 317
8.11 求解非線性規(guī)劃的規(guī)劃求解器選項 317
8.12 演化算法 318
8.13 組建公平的團隊 319
8.13.1 該問題的電子表格模型 320
8.13.2 求解模型 321
8.13.3 分析最優(yōu)解 322
8.14 旅行商問題 322
8.14.1 問題的電子表格模型 322
8.14.2 求解模型 324
8.14.3 分析最優(yōu)解 325
8.15 本章小結(jié) 325
8.16 參考文獻 325
思考題與習題 326
案例8.1 歐洲之旅 340
案例8.2 選舉下一任總統(tǒng) 340
案例8.3 在Wella公司生產(chǎn)窗戶 341
案例8.4 報紙廣告插頁調(diào)度 342
第9章 回歸分析 344
9.0 引言 344
9.1 例題 344
9.2 回歸模型 345
9.3 簡單的線性回歸分析 347
9.4 定義擬合優(yōu)度 347
9.5 用“規(guī)劃求解器”求解問題 348
9.6 用回歸工具求解問題 350
9.7 估算擬合度 351
9.8 R2統(tǒng)計量 353
9.9 進行預(yù)測 354
9.9.1 標準差 355
9.9.2 新的Y值預(yù)測區(qū)間 355
9.9.3 Y平均值的置信區(qū)間 357
9.9.4 外推法 357
9.10 總體參數(shù)的統(tǒng)計測試 358
9.10.1 方差分析 358
9.10.2 統(tǒng)計檢驗假設(shè) 359
9.10.3 統(tǒng)計檢驗 360
9.11 多元回歸簡介 360
9.12 多元回歸分析舉例 362
9.13 選擇模型 363
9.13.1 只有一個自變量的模型 363
9.13.2 有兩個自變量的模型 364
9.13.3 增大的R2 365
9.13.4 修正R2統(tǒng)計量 366
9.13.5 含有兩個自變量的最佳模型 366
9.13.6 多重共線性 366
9.13.7 具有三個自變量的模型 366
9.14 進行預(yù)測 367
9.15 二進制自變量 368
9.16 總體參數(shù)的統(tǒng)計檢驗 369
9.17 多項式回歸 369
9.17.1 用線性模型描述非線性關(guān)系 370
9.17.2 非線性回歸小結(jié) 373
9.18 本章小結(jié) 373
9.19 參考文獻 374
思考題與習題 374
案例9.1 鉆石恒久遠 381
案例9.2 佛羅里達州的慘敗 382
案例9.3 佐治亞州公共服務(wù)委員會 382
第10章 數(shù)據(jù)挖掘 384
10.0 引言 384
10.1 數(shù)據(jù)挖掘概述 384
10.2 分類 386
10.2.1 分類示例 387
10.3 分類數(shù)據(jù)的分區(qū) 393
10.4 判別分析 394
10.4.1 判別分析舉例 396
10.5 邏輯回歸 401
10.5.1 邏輯回歸舉例 402
10.6 k近鄰法 405
10.6.1 k近鄰法舉例 405
10.7 分類樹 408
10.7.1 分類樹舉例 409
10.8 神經(jīng)網(wǎng)絡(luò) 412
10.8.1 神經(jīng)網(wǎng)絡(luò)舉例 414
10.9 樸素貝葉斯 416
10.9.1 樸素貝葉斯舉例 417
10.10 有關(guān)分類的說明 421
10.10.1 組合分類 421
10.10.2 數(shù)據(jù)測試的作用 421
10.11 預(yù)測 421
10.12 關(guān)聯(lián)規(guī)則（關(guān)聯(lián)分析） 422
10.12.1 關(guān)聯(lián)規(guī)則舉例 423
10.13 聚類分析 425
10.13.1 聚類分析舉例 425
10.13.2 k均值聚類舉例 426
10.13.3 分層聚類舉例 428
10.14 時間序列 429
10.15 本章小結(jié) 430
10.16 參考文獻 430
思考題與習題 431
案例10.1 檢測管理舞弊 434
第11章 時間序列預(yù)測 435
11.0 引言 435
11.1 時間序列方法 435
11.2 測量精度 436
11.3 穩(wěn)態(tài)模型 436
11.4 移動平均 437
11.4.1 用移動平均模型預(yù)測 439
11.5 加權(quán)移動平均 440
11.5.1 用加權(quán)移動平均模型預(yù)測 441
11.6 指數(shù)平滑法 442
11.6.1 用指數(shù)平滑模型預(yù)測 444
11.7 季節(jié)性 444
11.8 具有加性季節(jié)效應(yīng)的穩(wěn)態(tài)數(shù)據(jù) 445
11.8.1 用模型預(yù)測 448
11.9 具有乘性季節(jié)效應(yīng)的穩(wěn)態(tài)數(shù)據(jù) 449
11.9.1 用模型預(yù)測 451
11.10 趨勢模型 452
11.10.1 舉例 452
11.11 雙重移動平均法 453
11.11.1 用模型預(yù)測 454
11.12 雙重指數(shù)平滑法（霍爾特法） 455
11.12.1 用霍爾特法預(yù)測 457
11.13 加性季節(jié)效應(yīng)的霍爾特-溫納法 458
11.13.1 用霍爾特-溫納法加性效應(yīng)模型預(yù)測 461
11.14 乘性季節(jié)效應(yīng)的霍爾特-溫納法 461
11.14.1 用霍爾特-溫納法乘性效應(yīng)模型預(yù)測 464
11.15 使用回歸對時間序列趨勢建模 464
11.16 線性趨勢模型 464
11.16.1 用線性趨勢模型預(yù)測 466
11.17 二次趨勢模型 466
11.7.1 用二次趨勢模型預(yù)測 468
11.18 用回歸模型對季節(jié)性建模 468
11.19 用季節(jié)指數(shù)調(diào)整趨勢預(yù)測 469
11.19.1 計算季節(jié)指數(shù) 469
11.19.2 用季節(jié)指數(shù)預(yù)測 470
11.19.3 改進季節(jié)指數(shù) 471
11.20 季節(jié)回歸模型 473
11.20.1 季節(jié)模型 474
11.20.2 用季節(jié)回歸模型預(yù)測 476
11.21 聯(lián)合預(yù)測 476
11.22 本章小結(jié) 477
11.23 參考文獻 477
思考題與習題 478
案例11.1 PB化學公司 486
案例11.2 預(yù)測COLA 487
案例11.3 Fysco食品公司的戰(zhàn)略計劃 488
第12章 Analytic Solver Platform仿真入門 490
12.0 引言 490
12.1 隨機變量和風險 490
12.2 為什么分析風險 491
12.3 風險分析方法 491
12.3.1 最好/最壞情形分析 491
12.3.2 假設(shè)分析 492
12.3.3 仿真 492
12.4 企業(yè)健康保險的例子 493
12.4.1 基本模型的說明 494
12.5 使用ASP的電子表格仿真 495
12.5.1 ASP介紹 495
12.6 隨機數(shù)發(fā)生器 495
12.6.1 離散和連續(xù)隨機變量 496
12.7 準備仿真模型 497
12.7.1 RNG備選輸入方法 499
12.8 運行仿真 500
12.8.1 選擇要追蹤的輸出單元格 501
12.8.2 選擇復(fù)制次數(shù) 501
12.8.3 選擇工作表所顯示的內(nèi)容 502
12.8.4 運行仿真 503
12.9 數(shù)據(jù)分析 503
12.9.1 最好情形和最壞情形 503
12.9.2 輸出單元格的頻次分布 504
12.9.3 輸出單元格的累積分布 505
12.9.4 獲得其他累積概率 505
12.9.5 靈敏度分析 506
12.10 抽樣的不確定性 506
12.10.1 為真實總體均值構(gòu)建置信區(qū)間 507
12.10.2 建立總體比例的置信區(qū)間 508
12.10.3 樣本容量和置信區(qū)間寬度 509
12.11 交互式仿真 509
12.12 仿真的益處 510
12.13 仿真的其他應(yīng)用 511
12.14 預(yù)訂管理示例 511
12.14.1 建立模型 512
12.14.2 多重仿真的細節(jié) 513
12.14.3 運行仿真 514
12.14.4 數(shù)據(jù)分析 514
12.15 庫存控制舉例 515
12.15.1 創(chuàng)建RNGs 516
12.15.2 建立模型 517
12.15.3 復(fù)制模型 519
12.15.4 優(yōu)化模型 520
12.15.5 分析最優(yōu)解 525
12.15.6 其他風險測量 526
12.16 項目選擇舉例 527
12.16.1 電子表格模型 528
12.16.2 用ASP求解和分析問題 529
12.16.3 考慮另一個最優(yōu)解 530
12.17 投資組合優(yōu)化舉例 531
12.17.1 電子表格模型 532
12.17.2 用ASP求解問題 534
12.18 本章小結(jié) 535
12.19 參考文獻 536
思考題與習題 537
案例12.1 生活美好亦或破產(chǎn)離世 547
案例12.2 死亡和稅收 548
案例12.3 Sound’s Alive公司 549
案例12.4 Foxridge投資集團 552
第13章 排隊論 554
13.0 引言 554
13.1 排隊模型的目的 554
13.2 排隊系統(tǒng)的結(jié)構(gòu) 555
13.3 排隊系統(tǒng)的特征 556
13.3.1 到達率 556
13.3.2 服務(wù)率 558
13.4 Kendall記號 559
13.5 排隊模型 559
13.6 M/M/s模型 560
13.6.1 舉例 561
13.6.2 當前情況 561
13.6.3 增加一個服務(wù)者 562
13.6.4 經(jīng)濟分析 563
13.7 有限隊長的Ｍ/Ｍ/s模型 563
13.7.1 當前情況 564
13.7.2 增加一個服務(wù)者 564
13.8 有限客源的Ｍ/Ｍ/s模型 565
13.8.1 舉例 566
13.8.2 當前情況 566
13.8.3 增加服務(wù)者 567
13.9 M/G/1模型 568
13.9.1 當前情況 569
13.9.2 購買自動分裝設(shè)備 569
13.10 M/D/1 模型 570
13.11 仿真隊列和穩(wěn)態(tài)假設(shè) 571
13.12 本章小結(jié) 572
13.13 參考文獻 572
思考題與習題 573
案例13.1 警察你在嗎 578
案例13.2 Vacations公司呼叫中心的人員安排 578
案例13.3 Bulseye百貨公司 579
第14章 決 策 分 析 580
14.0 引言 580
14.1 好決策和好結(jié)果 580
14.2 決策問題的特征 581
14.3 一個例子 581
14.4 收益矩陣 582
14.4.1 決策備選方案 582
14.4.2 自然狀態(tài) 582
14.4.3 損益值 583
14.5 決策準則 583
14.6 非概率方法 584
14.6.1 最大最大化（Maximax）決策準則 584
14.6.2 最小最大化（Maximin）決策準則 585
14.6.3 最大后悔最小化決策準則 585
14.7 概率方法 587
14.7.1 期望值 587
14.7.2 期望后悔值 588
14.7.3 靈敏度分析 589
14.8 完全信息的期望價值 591
14.9 決策樹 592
14.9.1 反推決策樹 593
14.10 用ASP創(chuàng)建決策樹 594
14.10.1 添加事件節(jié)點 595
14.10.2 確定收益和EMV值 597
14.10.3 其他特征 598
14.11 多級決策問題 598
14.11.1 多級決策樹 599
14.11.2 風險剖析圖 599
14.12 靈敏度分析 600
14.12.1 龍卷風圖表 601
14.12.2 策略表 603
14.12.3 策略圖表 604
14.13 樣本信息在決策中的應(yīng)用 606
14.13.1 條件概率 607
14.13.2 樣本信息的期望值 608
14.14 條件概率的計算 608
14.14.1 貝葉斯定理 610
14.15 效用函數(shù) 611
14.15.1 效用函數(shù) 611
14.15.2 構(gòu)造效用函數(shù) 612
14.15.3 使用效用進行決策 614
14.15.4 指數(shù)效用函數(shù) 614
14.15.5 決策樹中使用效用 615
14.16 多標準決策 617
14.17 多準則記分模型 617
14.18 層次分析法 619
14.18.1 兩兩比較 620
14.18.2 歸一化比較 621
14.18.3 一致性 621
14.18.4 其他標準的分數(shù) 623
14.18.5 計算標準權(quán)重 623
14.18.6 建立評分模型 624
14.19 本章小結(jié) 624
14.20 參考文獻 625
思考題與習題 626
案例14.1 Prezcott制藥公司 635
案例14.2 堅持還是放棄？ 636
案例14.3 Larry Junior應(yīng)該上訴還是和解？ 636
案例14.4 電子表格之戰(zhàn) 638