一、不確定性決策
收益矩陣的格式 —— 橫表頭為市場情況，列表頭為方案；
a、 樂觀準則最大最大：按行找出各方案中最大收益，選擇最大收益最大的方案；
b、 悲觀準則最大最小：按行找出各方案中最小收益，選擇最小收益最大的方案；
c、 等可能準則最大平均：按行計算出各方案的平均收益，選擇平均收益最大的方案；
d、 後悔值準則最小最大後悔：按列找出各種市場情況下最大收益值，用最大收益值減去本列的各個收益得其後悔值，按行找出各方案的最大後悔值，選擇後悔值最小的方案；
e、 樂觀係數準則 —— 最大加權平均：按行找出各方案中最大和最小收益值，以「樂觀係數」和「1－樂觀係數」為權計算最大和最小收益值的加權平均值，選擇加權平均值最大的方案。
f、 以課堂作業1舉例如下：
二、規劃模型的標準化
解題思路：標準形式的約束條件有三個要件，一是常數項非負；二是只能有等式；三是定義域非負。
根據上述要件，分四步操作：
a、判斷常數項是否非負，如有負值則兩邊同乘（-1），並相應改變不等號方向；
b、判斷是否有不等式，如有則設鬆弛或剩餘變數xi ≥ 0，大於號減、小於號加xi變等式；
c、判斷各變數的定義域是否非負，如為負值，則設xj=（-xi）≥ 0，代入模型；
如為 -∞ ≤ xk ≤ ∞，則設xk =（xm－xn）， xm、xn ≥ 0，代入模型；
d、整理變數下標後，得到標準形式。
三、線性規劃模型的解法及敏感性分析
a、**步驟如下：
1、以x1為橫軸、x2為縱軸建立直角座標系，標出各約束條件和目標函式的直線；
2、在第一象限找出可行域；
3、目測目標函式平移後最可能與可行域的哪個頂點相切，則該點為最優解點；
4、解方程得到該點座標，即得最優解，代入目標函式得最優值。
5、小技巧：
(1)作圖時，對約束條件，可分別令x1和x2為零，得到其與縱軸和橫軸的交點，連線即可；對目標函式，令x1為一特殊值，得出x2，再與原點相連，可得函式直線，再沿橫軸平移到合適位置即；
(2)各條直線斜率絕對值越大的，越接近垂直於x1軸；
(3)確定可行域時，要考慮座標軸和原點；
(4)目測判斷最優點不易時，可將相鄰數點的座標解出代入目標函式進行比較。
b、鬆弛變數和剩餘變數
1、約束條件為「≤」的存在鬆弛變數，為「≥」的存在剩餘變數；
2、將最優解代入各約束條件即得各自的鬆弛或剩餘變數；
3、構成最優解的約束條件的鬆弛或剩餘變數為零。
c、對偶**
1、不構成最優解的約束條件的對偶**為零；
2、構成最優解的約束條件存在對偶**，求解時令其中乙個約束條件的常數項增加1，另乙個約束條件不變，重新解出交點座標，代回目標函式計算目標值，再與原最優值相差即得；
3、對偶**的討論均在各約束條件常數項的上、下限範圍內進行，超範圍時對偶**可能發生變化；
4、已知對偶**和最優值求常數項變化時，目標函式求max時，增加目標值的，常數項同向變化，即增大；求min時，增加目標值的，常數項反向變化，即減少；反之亦然。
d 、目標函式係數上、下限
1、目標函式係數的變化，在**時可視為目標函式直線斜率的變動，即該直線以最優解點為支點旋轉；其取值範圍為最優解不變的範圍，即不突破構成最優解的兩條直線斜率kmin 和kmax的範圍。
2、求解時，將目標函式變換為x2=(-c1/c2)*x1的形式，通過kmin ≤ (-c1/c2) ≤ kmax，分別代入c1或c2，可得c2或c1的上、下限。
e、約束條件常數項的上、下限
1、約束條件常數項的變化，在**時可視為約束條件直線在縱軸上截距的變動，即該直線沿橫軸平移，不會與另兩條約束條件直線交點相交的範圍，也就是不會改變可行域的結構、不會減少可行域邊數（座標軸不算）的範圍；其取值範圍為對偶**不變的範圍，但有可能會改變最優解和最優值。
2、求解時，找到該約束條件相鄰的兩個可行域的頂點座標(xa, xb)，根據x2 - xb = k*( x1 - xa) 點斜式方程，分別求出約束條件平移至該兩個頂點的在橫軸上的截距、即變化後的常數項上、下限
f、百分之一百法則
1、增加率和減少率之和不超過100%；
2、增加（減少）率＝增加（減少）值 / 允許增加（減少）值；
增減值以當前值為基數計算，允許增減值以當前值為基數、各值取值範圍的上、下限計算；
3、多個目標函式係數變動時，其意義為最優解不變；
多個約束條件常數項變動時，其意義為對偶**不變；
不適用目標函式係數和約束條件常數項同時變動的情況，也不適用於相關係數和常數項同步增減（即有增無減、或在減無增）的情況。
g、相差值
1、最優解中為零的變數，其係數變化到不為零時的差值；
2、最優解中不為零的變數，其相差值必為零；
3、目標函式求max時，其相差值為其上限值減去當前值，且該係數無下限；
目標函式求min時，其相差值為其下限值減去當前值，且該係數無上限；
四、線性規劃模型的建立
a、問題的實質 —— 在某些資源限制下，求利潤最大或成本最小。這些資源限制包括資金、物料、工時的最高或最低要求等，關鍵是找到合適的變數，將目標和限制聯絡起來。
b、人力資源問題 —— 按迴圈週期計算當天（單位時間）內上班或休息的人數並與限制條件相比較
xi為每天（單位時間）上班或休息的人數；
min 配備的總人數、上班或休息的人員（成本最低）
滿足每天（單位時間）上班或休息人數的限制
xi ≥ 0
c、生產計畫問題 —— 按不同生產車間或工序生產產品的件數及其所需的物料、裝置或工時與限制相比較
xi為每個車間或工序生產產品的件數；
max 利潤或 min 成本
1、滿足物料、裝置或工時的限制
2、各工序生產的產品數量應相等
xi ≥ 0
d、套裁下料問題 —— 列出一根整料所有可行的裁料方案，不同裁料方案運用的次數及其所得不同規格工件的總數與總需求量相比較
xi為每種裁料方案的運用次數，最終整料的使用量為xi之和；
min 裁料方案運用次數之和；
各種裁料方案裁得的不同規格的工件必須不少於其總需求量；
xi ≥ 0
e、配料問題 —— 每種產品中各原料的比例應滿足要求，且各原料的總使用量不得超過限制
xi為每種產品中各原料的使用量；
max 利潤或 min 成本；
1、每種產品中各原料的比例；
2、各原料的使用量少於限制量；
xi ≥ 0
f、連續投資問題 —— 根據專案**期不同列出各年各種方案可能的投資表，總收益為各專案最後一期投資的和，各期的投資應等於期初資金（也就是上一期投資的收入）
xi為每專案在各年的投資額；
max 總收益或 min 總風險；
1、各期的投資等於期初資金（也就是上一期投資的收入）；
2、滿足各期投資限制
xi ≥ 0
五、運輸模型
a、產銷表的基本形式
b、基本運輸問題的線性規劃求解
令各產地運往各銷地的貨物量為xi，則：
min 運費（xi乘以運價）
每個產地的產量等於運往各銷地的貨物量
每個銷地的銷量等於運往該地的貨物量
xi ≥ 0
c、產銷不平衡問題 —— 轉化為產銷平衡問題
產大於銷時，增加虛擬銷地，即增加一列，該列的運費為「0」，銷量為差額；
銷大於產時，增加虛擬產地，即增加一行，該行的運費為「0」，產量為差額；
d、有條件的產銷不平衡問題 —— 轉化為產銷平衡問題
當銷大於產，且部分銷地的產銷量可在一定範圍內變化時：
1、將該銷地的銷售拆分為兩地，即一列變兩列，其中一列的銷量為該銷地的基數，另一列的銷量為其可變數，各產地至該兩個銷地的運費不變；
2、增加虛擬產地，即增加一行，該行中到基數銷地的運費為m （意為足夠大），到可變數銷地的運費為「0」，該行的產量為產銷的差額；
3、當存在銷量不限的銷地時，各真實產地到該銷地的運費為m，虛擬產地到該銷地的運費為「0」，虛擬產地的產量為各銷地可變數之和。
e、生產儲存問題 —— 將各期視為產銷地，各期的生產量和交貨量分別視為產量和銷費，各期生產的產品其生產成本與至交貨期的儲存成本之和視為運費，其中按時間順序不存在交貨的運費為m，轉化運輸問題。
f、轉運問題 —— 將中轉站既視為銷地、也視為產地，轉化為運輸問題
運輸模型表中產地由原產地加中轉地構成，銷地為最終銷地加中轉地構成，直接相連的路線運費按各地間運費填列，不直接相連的路線運費為m（意為足夠大），本地到本地的運費為「0」。
六、整數規劃模型
整數規劃 —— 可行解為非負整數的集合，可行域表現為某一區域內的可行點
a、**法
1、按常規方法標出該模型的可行域，並在可行域中標出橫、縱座標為整數的可行點；
資料模型與決策學習體會
資料 模型與決策 看這個名字給人的感覺是既理論又實踐還頗有些高深。所謂的資料模型與決策就是管理科學的另外一種稱呼方式。管理科學 mangement science 它包含了管理和科學兩門課程的內容，或者說是管理的科學。如果這個定義還是非常的模糊，那麼還可以這麼解釋，它就是對與定量因素有關的管理問題通...
《資料模型與決策》複習思考題
第二章1 什麼是普查？普查有哪些作用？普查是專門組織的 一次性的全面調查，主要用來蒐集某乙個時點或一定時期內現象總量的資料。普查在了解國情國力 制定社會發展規劃 確定重大決策方面，發揮著重要的作用。2 什麼是隨機抽樣調查，抽樣調查有什麼特徵？隨機抽樣調查是按照隨機性原則，從調查物件 總體 中抽取一部...
MBA資料模型與決策案例 貨車租賃策略管理報告
貨車租賃策略管理報告 一 問題提出 reep建築公司最近贏得了乙份合同，為賓夕法尼亞的公司收費站修建乙個服務區。公司負責區域道路和場地的建設。為了完成這項工作，公司的創始人兼總經理bob reep估計，總工期大約需要4個月，從第1個月到第4個月需要的貨車數量分別為10 12 14 8輛。現在公司已經...