---
title: "Decision-making under uncertainty — 不确定性下的决策"
source: "https://systems-analysis.info/int/Decision-making_under_uncertainty_%E2%80%94_%E4%B8%8D%E7%A1%AE%E5%AE%9A%E6%80%A7%E4%B8%8B%E7%9A%84%E5%86%B3%E7%AD%96"
wiki: "systems-analysis.info/int"
article: "Decision-making_under_uncertainty_—_不确定性下的决策"
language: "zh"
categories:
  - "Category:Chinese"
  - "Category:Decision theory"
  - "Category:Decision-making"
revision_id: 1460
wiki_created_at: 2026-09-06T22:49:04Z
wiki_modified_at: 2026-09-06T22:49:04Z
downloaded_at: 2026-09-07T22:46:11Z
---

# Decision-making under uncertainty — 不确定性下的决策

**不确定性下的决策**（Decision making under uncertainty）是指在缺乏关于外部环境、可能后果和事件发展概率的完整信息时，选择最佳方案的过程。在这种情况下，决策者无法量化描述或预测影响结果的状态发生的概率，只能基于不完整、不准确或定性的信息采取行动。

## 不确定性的来源

决策问题中的不确定性可能源于不同性质：

- **冲突性（主动）不确定性** — 与存在追求自身目标的其他参与者有关，并且无法预测其行为。这种情况通常使用博弈论进行建模。
- **被动不确定性（与自然博弈）** — 由对客观外部条件（环境状态）的无知所引起，这些条件不取决于决策者的意愿。这些情况在统计决策理论的框架内进行描述，通常被称为“与自然博弈”。
- **语义（模糊）不确定性** — 由无法用自然语言清晰描述情况、方案和偏好引起。这包括口头评估、定性参数和非结构化判断。相关问题通过模糊逻辑和模糊集理论进行研究。
- **信息不确定性** — 由数据的不完整、不准确或含噪声所引起（例如测量误差、主观评估、缺乏统计数据）。

## 消除不确定性的方法

不确定性可以通过以下方式**部分消除**或**降低**：

- 获取额外信息（观察、专家评估、测试）；
- 转向概率评估（在可以进行统计分析的情况下）；
- 在信息具有定性或口头性质时，使用**模糊模型**；
- 对问题进行结构化（例如，通过构建决策树或情景分析）。

## 不确定性下决策的经典准则

在不确定情况下，决策者不知道哪种可能的环境状态将会发生。为了做出选择，需要采用一些特殊的方法——**准则**，每种准则都反映了特定的思维方式、谨慎程度或风险态度。

- **瓦尔德准则**（审慎选择准则）。该准则适合那些力求将潜在损失降至最低的决策者。决策者认为最坏的情况可能会发生，并从所有方案中选择在最坏情况下能带来最佳可能结果的那个方案。换言之，这是一种*最大程度审慎*的方法：“即使一切都变糟，我也选择那个能保证损失最小的方案。”
- 适用于：高风险情况、责任重大的决策，以及不容许出错的场合。
- **萨维奇准则**（后悔准则）。该方法旨在避免在事后发现其他方案可能带来更大利益时产生后悔感。决策者会比较如果选错方案可能会损失多少，并选择能使最大后悔值最小的方案。适用于：倾向于自我反省、害怕“错失良机”的人，以及竞争激烈的环境。
- **拉普拉斯准则**（等概率准则）。决策者认为所有可能的环境状态都是等概率的，因为没有理由作其他假设。因此，他会选择平均结果最佳的方案。适用于：信息完全对称的未知情况，即所有结果都被认为是等可能的，并且没有特别的偏好。
- **赫维茨准则**（折衷准则）。这是一种平衡的方法，结合了谨慎和对最佳结果的追求。决策者预先确定自己的乐观倾向程度，并选择一个在该设定下能够提供可能结果与保证结果最佳组合的方案。适用于：需要在安全与收益之间取得平衡，并且决策者有明确的个人风险偏好的情况。