خرید و دانلود نسخه کامل کتاب Info-Gap Decision Theory, Second Edition: Decisions Under Severe Uncertainty

توضیحاتی در مورد کتاب

همه تصمیم می گیرند، اما همه تحلیلگر تصمیم نیستند. یک تحلیلگر تصمیم از مدل‌های کمی و روش‌های محاسباتی برای فرمول‌بندی الگوریتم‌های تصمیم، ارزیابی عملکرد تصمیم، شناسایی و ارزیابی گزینه‌ها، تعیین معاوضه‌ها و ریسک‌ها، ارزیابی استراتژی‌ها برای بررسی و غیره استفاده می‌کند. این کتاب برای تحلیلگران تصمیم نوشته شده است. اصطلاح “تحلیلگر تصمیم” طیف بسیار گسترده ای از شاغلان را در بر می گیرد. تقریباً همه مهندسین درگیر در طراحی (ساختمان‌ها، ماشین‌ها، فرآیندها و غیره) یا تجزیه و تحلیل (ایمنی، قابلیت اطمینان، امکان‌سنجی و غیره) تحلیل‌گران تصمیم هستند، معمولاً بدون اینکه خود را به این نام بخوانند. علاوه بر مهندسان، تحلیلگران تصمیم در دفاتر برنامه ریزی برای سازمان های دولتی، در مشاوره های مدیریت پروژه، در برنامه ریزی و کنترل فرآیند تولید، در برنامه ریزی مالی و تجزیه و تحلیل اقتصادی، در پشتیبانی تصمیم گیری برای تشخیص پزشکی یا تکنولوژیکی و غیره مشغول به کار هستند. بر. تحلیلگران تصمیم گیری در همه زمینه هایی که تصمیمات سیستماتیک گرفته می شود، از فرآیند تصمیم گیری حمایت کمی می کنند. این ویرایش دوم مستلزم تغییراتی در چندین نوع است. اول، نظریه شکاف اطلاعاتی در چندین زمینه جدید کاربرد پیدا کرده است – به ویژه حفاظت از زیستی، تدوین سیاست اقتصادی، آمادگی در برابر تروریسم، و تصمیم گیری پزشکی. نمونه های جدید مربوطه گنجانده شده است. دوم، ترکیب تجزیه و تحلیل شکاف اطلاعات با الگوریتم‌های تصمیم احتمالی کاربرد گسترده‌ای پیدا کرده است. در نتیجه مدل‌های «ترکیبی» عدم قطعیت، که به طور انحصاری در یک فصل جداگانه در نسخه قبلی مورد بررسی قرار گرفتند، اکنون در سراسر کتاب و همچنین در یک فصل جداگانه ظاهر می‌شوند. در نهایت، توضیحات شکاف اطلاعاتی رفتار رضایت‌بخش قوی، و به‌ویژه «پارادوکس‌های الزبرگ و آلیس»، در فصل جدیدی همراه با قضیه‌ای مورد بحث قرار می‌گیرند که نشان می‌دهد چه زمانی راضی‌کننده قوی احتمال موفقیت بیشتری نسبت به بهینه‌سازی مستقیم با مدل‌های نامشخص دارد. * نظریه جدید به طور سیستماتیک توسعه یافته است. * نمونه های زیادی از رشته های مختلف. * نمایش واقعی عدم قطعیت شدید. * رویکرد چند وجهی به ریسک. * نظریه تصمیم گیری مبتنی بر مدل کمی.