Question

英语高手帮忙翻译一下，有加分

When underlying decision trees are very complex and explicit solutions for the underlying decision tree are difficult to obtain, firms should use simulation for evaluating decisions. In a complex decision tree there are thousands of possible paths that may result from the first period to the last. Transition probabilities are used to generate probability weighted random paths within the decision tree. For each path, stage-by-stage decision as well as the payoff is evaluated. The paths are generated in such a way that the probability of a path being generated during the simulation is the same as the probability of the path in the decision tree. After generating many paths and evaluating the payoff in each case, the payoffs obtained during the simulation are used as a representation of the payoffs that would result from the decision tree. The present value is then found by averaging the payoffs obtained in the simulation and discounting them back to the present.
Simulation methods are very good at evaluating a decision for which the path itself is not decision-dependent. In other words, transition probabilities from one period to the next are not dependent on the decision taken during a period. the can also take into account real word constraints as well as complex decision rules. In addition, they can easily handle different forms of uncertainty, even in instances in which uncertainty between different factors is correlated.
Simulation models require a higher setup cost to start and operate compared with decision tree tools. However, their main advantage is that they can provide high-quality evaluations of complex situations.
帮忙翻译一下，有加分送的！！
请大家尽可能的不要用翻译软件直接翻译的，这是一本专业原文书上的内容。谢谢大家了~

Answer 1

当部下的判定树是非常复杂的时，并且部下的判定树的明确解答是难获得，企业应该为评估的决定使用模仿。 在一个复杂判定树有也许起因于第一个期间到持续的数以万计可能的道路。 蜕变概率被用于引起可能性在判定树之内的被衡量的任意道路。 对于每个道路，并且结局的一个一个阶段的决定被评估。 道路引起，在这种情况下在模仿时引起的道路的可能性是相同的象道路的可能性在判定树的。 在引起许多道路和评估在每个案件的结局以后，在模仿时获得的结局使用作为将起因于判定树结局的表示法。 平均为在模仿获得的结局和打折他们然后找到现值回到礼物。
Simulation方法非常擅长于评估道路不是决定依赖的决定。 换句话说，蜕变概率从一个期间到下不依靠决定做出在期间。 罐头也考虑到真正的词限制并且复杂决定基准。 另外，他们可以容易地处理不确定性的不同的形式，甚而在区别因素之间的不确定性被关联的事例。
Simulation模型要求一个更高的设置成本开始和经营比较判定树工具。 然而，他们的主要优点是他们可以提供复杂情况的优质评估。

Answer 2

当潜在的决策树是非常复杂的和明确的解决办法的基本决策树难以获取，企业应利用模拟评估的决定。在一个复杂的决策树有数以千计的可能路径，可能是由于第一阶段的最后。转移概率是用来生成概率加权随机路径的决策树。对于每一个路径，分阶段的决定以及回报评价。路径产生这样一种方式的可能性，产生的路径在模拟是一样的概率中的路径决策树。后产生的许多道路和评价回报在每一种情况下，收获期间获得仿真用作代表性的贿赂，将产生的决策树。的现值，然后发现，平均每场获得的回报在模拟和贴现他们回本。
模拟方法是很好的评估作出决定，而道路本身并不是决定依赖。换言之，转移概率从一个时期到下一个不依赖于作出决定的期间。的也可以考虑到真正的字的限制以及复杂的决策规则。此外，他们可以很容易地处理不同形式的不确定性，甚至在情况中，不同因素之间的不确定性相关。
仿真模型需要较高的安装成本和运营开始与决策树工具。然而，它们的主要优势是，它们可以提供高品质的评价复杂的情况。

-----------------------------------------
GOOGLE翻译的 >_.<

虽然语法很有错误，大意可以看懂不？您这是模式识别？？？

Answer 3

当部下的判定树是非常复杂的时，并且明确解答为部下的判定树是难获得，企业应该为评估的决定使用模仿。 在一个复杂判定树有也许起因于第一个期间到持续的数以万计可能的道路。 蜕变概率在判定树之内用于引起可能性被衡量的任意道路。 为每个道路，一个一个阶段的决定并且结局被评估。 道路引起，在这种情况下在模仿期间引起的道路的可能性是相同象道路的可能性在判定树。 在引起许多道路和评估结局以后在每个案件，在模仿期间获得的结局使用作为将起因于判定树结局的表示法。 现值然后是通过平均为在模仿获得的结局和打折他们找到的回到礼物。 模仿方法是非常擅长于评估道路不是决定依赖的决定。 换句话说，蜕变概率从一个期间到下不依靠决定做出在期间。 罐头也考虑到真正的词限制并且复杂决定基准。 另外，他们可以容易地处理不确定性的不同的形式，甚而在区别因素之间的不确定性被关联的事例。 模仿模型要求一个更高的设置成本开始和经营比较判定树工具。 然而，他们的主要好处是他们可以提供复杂情况的优质评估。

Answer 4

当潜在的决策树是非常复杂的和明确的解决办法的基本决策树难以获取，企业应利用模拟评估的决定。在一个复杂的决策树有数以千计的可能路径，可能是由于第一阶段的最后。转移概率是用来生成概率加权随机路径的决策树。对于每一个路径，分阶段的决定以及回报评价。路径产生这样一种方式的可能性，产生的路径在模拟是一样的概率中的路径决策树。后产生的许多道路和评价回报在每一种情况下，收获期间获得仿真用作代表性的贿赂，将产生的决策树。的现值，然后发现，平均每场获得的回报在模拟和贴现他们回本。

模拟方法是很好的评估作出决定，而道路本身并不是决定依赖。换言之，转移概率从一个时期到下一个不依赖于作出决定的期间。的也可以考虑到真正的字的限制以及复杂的决策规则。此外，他们可以很容易地处理不同形式的不确定性，甚至在情况中，不同因素之间的不确定性相关。

仿真模型需要较高的安装成本和运营开始与决策树工具。然而，它们的主要优势是，它们可以提供高品质的评价复杂的情况。

Answer 5

当潜在的决策树是很复杂的,明确的解决方案是潜在的决策树很难获得,公司应采用模拟评估决定。在一个复杂的决策树有成千上万的可能途径,可能由于第一节的最后。转换概率被用来产生概率加权随机路径决策树。对于每个路径,常决策以及回报是评估。产生的路径以这样一种方式的概率生成一条在仿真是相同的路径的可能性的决策树。许多不同的路径和评估后产生的收益在每种情况下,夹杂在模拟得到的利润作为一种表示法,就会导致决策树。目前的价值就发现了由平均利润的模拟和贴现他们回到了现在。
仿真方法非常擅长评价决策的路径不是decision-dependent。换句话说,过渡期间,从一个概率下不依赖于这个决定的一段时期。这个也可以考虑实际词约束以及复杂的决策规则。此外,他们能很容易地解决不同形式的不确定性,甚至在不同情况下的不确定性因素之间是相互关联的。