Zentrale Optimierung wählt die beste Option, wenn alle Annahmen eintreten.
Zentrale Optimierung wählt die beste Option, wenn alle Annahmen eintreten. Eine robuste Entscheidung sucht akzeptable Leistung in mehreren plausiblen Welten. Minimax-Regret vergleicht jede Option mit der Wahl, die man bei Kenntnis des Szenarios getroffen hätte, und behält die mit dem kleinsten schlimmsten Opportunitätsverlust.
Entscheidung und Methode.
Behalten Sie einen im zentralen Szenario weniger optimalen Plan, wenn er den Beitrag gegen plausible nachteilige Annahmen deutlich besser schützt. Definieren Sie zentrale Welt, schwache Nachfrage, Wettbewerbsreaktion und Kostenschock aus dokumentierten Bereichen und Abhängigkeiten. Berechnen Sie für jedes Option-Szenario-Paar Beitrag, Liquidität, Service und Restriktionen mit denselben Konventionen. Filtern Sie Compliance, Liquidität, Kapazität und Serviceschwellen vor dem Ranking. Ziehen Sie jedes Ergebnis vom besten Ergebnis seiner Spalte ab und berichten Sie maximalen und mittleren Regret, zentrale Leistung und Dominanzhäufigkeit. Bei nahen Optionen entscheiden Reversibilität, Rückkehrkosten, Lernzeit und skalierbares Engagement.
Rechenbeispiel.
Aggressiv liefert 520 T€, 80 T€, 40 T€ und 180 T€; ausgeglichen 410 T€, 240 T€, 220 T€ und 260 T€; konservativ 280 T€, 260 T€, 250 T€ und 300 T€. Beste Ergebnisse: 520 T€, 260 T€, 250 T€, 300 T€. Maximaler Regret: aggressiv 210 T€, ausgeglichen 110 T€, konservativ 240 T€. Ausgeglichen wird gewählt: 110 T€ zentral weniger, aber besserer Schutz vor schwacher Nachfrage, Wettbewerb und Kostenschock.
Prüfungen und Grenzen.
Szenarien sind kohärente Welten, keine unabhängig kombinierten Extreme; alle Optionen erfüllen harte Restriktionen; schlimmster und mittlerer Regret sowie zentrales Ergebnis erscheinen zusammen; bei nahen Werten Reversibilität bevorzugen. Minimax-Regret hängt von der Szenariomenge ab und ignoriert Wahrscheinlichkeiten. Übervorsicht kann Chancen opfern; dynamische Interaktionen und sequenzielles Lernen brauchen ein mehrstufiges Modell.
Ressourcen und Quellen.
Minimax-Regret-Matrix herunterladen. Weiterführend: entscheidende Annahmen identifizieren, Szenarien vergleichen, harte Restriktionen formalisieren. Quellen: Savage (1951); Ben-Tal und Nemirovski (1998); Bertsimas und Sim (2004).