2999072777

charakterystyczny dla metod ilościowych, który można sprowadzić do następujących etapów:

-    sformułowanie problemu decyzyjnego, czyli sporządzenie opisu słownego interesującej nas rzeczywistości (sytuacji decyzyjnej);

-    konstrukcja matematycznego modelu sytuacji decyzyjnej;

-    wybór lub opracowanie odpowiedniego algorytmu postępowania dla wyznaczania poszukiwanego rozwiązania optymalnego (lub rozwiązania, które przez decydenta może być zaakceptowane jako optymalne);

-    poszukiwanie i przetworzenie informacji koniecznej do oszacowania wartości parametrów modelu optymalizacyjnego;

-    rozwiązanie zadania optymalizacyjnego za pomocą wybranego lub stworzonego algorytmu;

-    analiza wrażliwości rozwiązania zadania optymalizacyjnego;

-    weryfikacja modelu;

-    implementacja rozwiązania i sformułowanie optymalnej decyzji.

Proces wspomagania decyzji nie sprowadza się do automatycznego wykonania

prostej sekwencji wymienionych postępowań. Zazwyczaj model nieadekwatnie opisuje problem decyzyjny i trzeba, nieraz wielokrotnie, poprawiać jego konstrukcję. O końcowym sukcesie decyduje jednak gotowość decydenta do zaakceptowania otrzymanych wyników i podjęcia racjonalnej decyzji. Należy pamiętać, że w procesie decyzyjnym ostateczną decyzję podejmuje menedżer-decydent, a wykonane przez analityka obliczenia stosownych algorytmów są jednie podpowiedzią i wspomaganiem optymalizacji decyzji.

1.3. Typy modeli decyzyjnych i zadań optymalizacyjnych

Decyzje możemy podejmować w warunkach z góry określonych (pewności) lub w warunkach ryzyka i niepewności, kiedy nie znamy lub nie mamy pewności co do wszystkich okoliczności warunkujących ich trafność. Podział ten prowadzi do wyróżnienia modeli deterministycznych i niedeterministycznych (stochastycznych lub modeli decyzyjnych podejmowanych w warunkach niepełnej informacji).

O modelu deterministycznym możemy mówić wówczas, gdy podejmujemy decyzję w warunkach pewności. Zakładamy, że parametry modelu są znane i stałe, co oznacza, że rozwiązanie optymalne modelu można utożsamiać z decyzją optymalną.

O modelu stochastycznym mówimy, gdy podejmujemy decyzję w warunkach ryzyka. Zakładamy, że niektóre parametry modelu są zmiennymi losowymi o znanym rozkładzie prawdopodobieństwa. Wynik decyzji jest wtedy wypadkową działań podjętych przez decydenta i czynników losowych. Nie można wówczas utożsamiać rozwiązania optymalnego z decyzją optymalną, gdyż w momencie podejmowania decyzji nie wiemy, jakie wartości przyjmą parametry modelu, które są realizacjami zmiennych losowych.

O podejmowaniu decyzji w warunkach niepewności mówimy, gdy parametry modelu mogą przyjmować różne wartości w zależności od tego, jaki wystąpił stan otoczenia (natury). Prawdopodobieństwa wystąpienia tych stanów nie są znane.

Sposoby podejmowania decyzji w warunkach niepełnej informacji (ryzyka lub niepewności) zostaną omówione w dalszych rozdziałach podręcznika.