OPTIMIZATION AND DECISION MODELS: THE USE OF STATISTICAL SEARCH PROCEDURES 1

This article identifies the basic elements of a decision model and the errors that can be made in the development of optimizing decision models–errors of specification and errors of exploration. Specification errors are defined as those errors that result from the use of inaccurate structural relationships and parameters, whereas exploration errors occur in the process of searching the decision space for the optimal response. A number of systematic search procedures that can be used to reduce the exploration error in simulation models are reviewed. These procedures include random search methods, experimental designs, “learning mechanisms,” and “hill climbing.” It is suggested that if the availability of these procedures is recognized, the choice of a particular empirical model can be based on its ability to accurately portray the decision problem rather than the availability of an error‐free optimizing algorithm. Ľarticle traile des principes caraclerisliques fondamentaux concernant les modèles de norme ainsi que des erreurs possibles dans la mise au point de modèles de norme à réglage optimum, surtout des erreurs dues à la spécification et àľexploration. Les erreurs dites spécif ques proviennent de ľemploi de rapports el de paramèlres fonctionellement fauiifs ou inexacts, tandis que les erreurs ďexploration sont le résullat de calculs imprecis de ľespace denorme convenable pour obtenir une réponse optima. Ľauteur présente une serie ďexemples en vue de systématiser les procédes valables qui aboulissenl a une réduction des erreurs ďexploration àľaide de modèles‐simulaieurs. Parmi les procédes convenables on propose une méthode de déterminations au hasard, certains projets expérimentaux, des “mecanismes ďassimilalion intellectuelle” et des “expériences de tâtonnemenl progressif” L'auteur en conclut que si ľon reconnat et qu'on emploie les méthodes proposées, il est bien possible de mettre au pooint un modèle expérimental ou empirique capable de servir de modèle problemalique bien exact plutol que de s'appuyer foncieremenl sur ľemploi ďun algorithme optimum valable.