Decision Theory pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Transaction Pub

作者:White, D.J.

出品人:

页数:200

译者:

出版时间:2006-5

价格:$ 31.58

装帧:Pap

isbn号码:9780202308982

丛书系列:

图书标签:

决策理论
博弈论
运筹学
风险管理
人工智能
机器学习
经济学
统计学
概率论
优化算法

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到本本书屋

onlinetoolsland.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

All of human life may be seen as a process of decision-making, but it is only in recent years and in response to the needs of the large and complex organizations characterizing our society that this process has been subjected to scientifi c scrutiny. Out of this scrutiny-undertaken by a wide range of professionals in economics, administration, management, statistics, psychology, engineering, computer science, operations research, and systems analysis-there has begun to emerge a body of theory that has profound implications for improving practical decision-making. This book is the fi rst to bring together all the various aspects of decision theory into one cohesive treatment.

复杂决策的科学：个体选择、群体互动与系统优化导言在信息不对称、风险共存和利益冲突的现实世界中，个体、组织乃至整个社会都面临着永无止境的决策挑战。人类的活动，从最日常的购物选择到关乎国家命运的战略布局，无不建立在对潜在结果的评估和路径的筛选之上。然而，有效的决策并非依赖直觉或运气，它是一门需要严谨框架、量化分析和深刻洞察的科学。《复杂决策的科学》旨在提供一个全面、系统的视角，深入探讨驱动人类和理性实体做出选择的核心机制、模型与应用，从而超越单纯的“选择的艺术”，迈向“选择的工程”。本书的核心关注点，在于剖析不确定性环境下的理性选择，并进一步扩展到多主体互动下的博弈结构，最终落脚于大规模系统中的优化路径。我们摒弃了对传统决策论的重复性阐述，而是将重点放在了当代决策科学中的前沿发展、跨学科整合以及实际的工程应用。 --- 第一部分：不确定性下的理性基石与行为偏离本部分聚焦于如何量化不确定性，并评估在信息有限条件下，个体如何构建偏好结构并实现期望效用的最大化。 1. 效用函数的深化与扩展我们从经典的期望效用理论（EUT）出发，但迅速转向对EUT局限性的批判性分析。重点讨论了非期望效用理论（Non-Expected Utility Theories），如斯威茨基的概率加权模型（Rank-Dependent Utility, RDU）和卡特曼的可能性加权模型（Choquet Expected Utility, CEU）。这些模型如何更准确地捕捉到人们对“高概率”和“低概率”事件的系统性偏差（如对极小事件的过度关注或忽视）。此外，我们将深入探讨多属性决策（Multi-Attribute Utility Theory, MAUT），特别是分析层次法（AHP）和TOPSIS等方法在面对多个相互冲突的评价标准时，如何构建一致性的偏好结构，并进行排序和选择。 2. 风险、模糊性与认知偏差在真实世界中，信息往往是模糊的，而非清晰的概率分布。本章将详细阐述模糊集理论（Fuzzy Set Theory）在决策中的应用，以及下确信理论（Imprecise Probability）如何处理无法完全量化的不确定性。更为关键的是，我们转向行为科学的交叉领域，系统梳理了前景理论（Prospect Theory）的核心发现——损失厌恶、参照点依赖以及对风险态度的非对称性。本书将这些认知偏差视为对“纯粹理性”模型的必要修正，并探讨如何通过“助推”（Nudge）设计，将这些已知的心理弱点转化为促进更优决策的工具。我们将分析启发式（Heuristics）在快速决策中的作用及其伴随的系统性错误（Biases）。 3. 动态决策与序列选择许多重要的决策并非单次事件，而是由一系列相互关联的步骤构成，例如投资组合的构建或长期的职业规划。本部分将重点介绍动态规划（Dynamic Programming）的基本原理，特别是马尔可夫决策过程（Markov Decision Processes, MDPs）在状态空间建模中的应用。我们将探讨如何通过价值迭代和策略迭代，找到在长期视角下最优的行动序列，而非仅仅关注单步的局部最优解。 --- 第二部分：多主体互动与博弈论的应用当决策不再孤立进行，而是牵涉到具有独立目标的其他参与者时，问题复杂度急剧上升。本部分着眼于战略互动环境下的决策制定。 4. 经典博弈的拓展与深化本书将从合作博弈（侧重于盈余分配与联盟形成，如Shapley值）过渡到非合作博弈（侧重于竞争与冲突）。我们将深入分析纳什均衡（Nash Equilibrium）的各种变体，包括混合策略纳什均衡和子博弈完美纳什均衡（Subgame Perfect Nash Equilibrium, SPNE）。重点将放在重复博弈（Repeated Games）中，探讨互惠性（Reciprocity）和声誉机制如何使过去的行为影响当前的策略选择，从而在缺乏正式契约的环境中促进合作，例如“以牙还牙”（Tit-for-Tat）策略在囚徒困境中的有效性。 5. 动态博弈与信息结构在真实商业和政治环境中，玩家通常拥有不同的信息。本章专注于不完全信息博弈，引入贝叶斯博弈的概念，探讨理性主体如何利用先验信息和观察到的行动来更新对对手类型的信念。我们将详细解析贝叶斯纳什均衡（Bayesian Nash Equilibrium）的求解过程。此外，我们将分析序贯博弈（Sequential Games），如伯特兰竞争和斯塔克伯格模型，强调承诺（Commitment）和可信度（Credibility）在塑造竞争格局中的决定性作用。 6. 机制设计与市场规范从“分析现有结构”转向“设计最优结构”，即机制设计（Mechanism Design）。本部分旨在解决逆向问题：给定我们希望达成的特定社会目标（如资源有效分配或信息披露），我们应该设计何种规则和激励机制？我们将详细考察激励相容性（Incentive Compatibility）和个体理性（Individual Rationality）这两个核心约束。应用案例将集中在拍卖理论（如英式、荷式、第一价格密封投标和第二价格密封投标拍卖的效率比较）和匹配市场理论（如医学院住院医师匹配系统）的设计原则。 --- 第三部分：系统优化与复杂决策的工程化最后一部分将决策理论与运筹学、控制论相结合，处理涉及大量变量、约束和目标的大规模优化问题。 7. 随机优化与鲁棒性当决策必须在应对大量随机扰动（如需求波动、设备故障）时，传统线性规划不再适用。本章介绍随机规划（Stochastic Programming），特别是两阶段随机规划和多阶段随机规划，用于在不确定性展开的过程中做出最优的纠正性决策。更进一步，我们探讨鲁棒优化（Robust Optimization）。与侧重于平均结果的随机方法不同，鲁棒优化旨在找到在所有可能发生的“最坏情况”下仍能保证可接受结果的解决方案，强调决策的“抗冲击能力”而非单纯的预期性能。 8. 决策网络与信息传播在高度连接的系统中，一个决策点的影响会通过网络结构迅速扩散。本章应用网络科学的方法来分析信息流和决策传播。我们将探讨信息级联（Information Cascades）的形成机制，以及在社交网络中，如何通过识别关键节点来有效传播最优策略或抑制错误信息的扩散。 9. 评估、学习与自适应控制现实中的决策系统需要不断地从结果中学习并调整策略。本部分将探讨强化学习（Reinforcement Learning, RL）在决策制定中的核心作用。RL框架将决策视为一个连续的探索-利用（Exploration-Exploitation）权衡过程。我们将分析Q-Learning和Policy Gradients等算法，它们如何在没有完整模型先验知识的情况下，通过与环境的交互来学习最优策略，从而实现决策的自适应进化。结论《复杂决策的科学》旨在为读者提供一套跨越微观个体选择、中观战略互动和宏观系统优化的统一分析工具箱。通过整合经济学、心理学、数学优化和计算机科学的最新进展，本书强调：在日益复杂的现代世界中，成功的决策能力不再仅仅是一种直觉的体现，而是系统性、量化和持续学习的产物。掌握这些理论与方法，是驾驭不确定性、实现目标优化的必经之路。