課題解決の手法は、世の中にはたくさんありますが、いくつか資料にまとめてみました。
資料はこちら → 問題解決
p.1 左図は「山登り法」です。機械学習関連のブログで説明したかもしれませんが、とりあえず最大傾斜を登っていけば頂上にたどり着けられるだろうという方法です。 この場合、もっと高い最高地には達成できない可能性があります。富士山のような単独峰であれば問題ありませんが。 右図は、「万能な「手順（思考回路）」とは？」で私が勧めている方法に近い「手段ー目標分析」という手法です。最終目的（目標）より低い目標を定めて、現在位置とのギャップを分析して、そのギャップが最小になる方法を模索するという方法です。 私が勧めている目標とルートの設定と同じですね。 左図に比較して、フレキシビリティがありますね。 ルートを選択する際に用いるのが「推論」です。
p.2 推論は大別すると「演繹（えんたく）法」と「帰納法」があります。演繹法は幾つかの前提から結論を導き出します。「三段論法」も演繹法です。統計的な見方をするならば、母集団の条件が規定（前提）されていて、そこからサンプリングしてきたものは、その集団に属していますね。 一方、帰納法は多くの事実を基に想像して推論するものです。これも統計的な見方をすると、ある集団からサンプリングしてみて母集団を推定する方法です。 この場合、右下図のように誤った推論をする可能性があります。
p.3 「意思決定法」について「プロスペクト理論」を説明します。横軸を利益、縦軸を価値するとS字カーブが描かれます。このS字カーブは、「効用関数」と呼ばれ、左右が対称ではありません。右に比べて左の変化が大きくなっています。 先ず「感応逓減（ていげん）性」について説明します。例えば、月給20万円の人と100万円の人の昇給が１万円あったとします。20万円の人は100万円の人よりも、価値（満足度や喜び）が大きく、高額者になるほど満足度は逓減（ていげん）していきます。 次は「参照点依存性」です。 これも感応逓減性に似ています。 登用試験の評価レベルがS、A、B、C及びDだったとします。Sが一番良い評価です。前回A評価だったAさんとC評価だったCさんが、今回S評価を目指して試験を受けました。AさんもCさんもA評価の場合、AさんよりもCさんの方が満足度は大きくなりますね。目指すSレベルを「参照点」とした際に、Aさん及びCさんのギャップは各々ｉとｇ、評価後達成した価値は各々０とhなのでｈ／ｇ＞０／i＝０となります。 3つ目は「損失回避性」です。S字カーブの原点から左右に同じ距離に地点で価値を見ると、右側よりも左側の価値の絶対値が大きいです。損得が同じ場合、ヒトは損を回避する方法を採用することになります。 意思決定には、心理的な側面が多分に影響するようです。