--- title: "Decision criteria — 决策准则" source: "https://systems-analysis.info/int/Decision_criteria_%E2%80%94_%E5%86%B3%E7%AD%96%E5%87%86%E5%88%99" wiki: "systems-analysis.info/int" article: "Decision_criteria_—_决策准则" language: "zh" categories: - "Category:Chinese" - "Category:Decision theory" - "Category:Decision-making" revision_id: 1482 wiki_created_at: 2026-09-06T22:49:22Z wiki_modified_at: 2026-09-06T22:49:22Z downloaded_at: 2026-09-07T22:46:16Z --- # Decision criteria — 决策准则 **决策准则**（Decision Criteria）是在决策论中，用于在不确定性或风险条件下选择最优策略的形式化规则或方法。这些准则有助于系统化选择过程，并根据已知数据或对外部环境的假设来确定首选方案。 ## 基本概念 - **不确定性条件** — 指决策后将产生何种具体结果未知，且缺乏各种结果发生的可靠概率的情况。 - **风险条件** — 指各种结果发生的概率已知或可以合理评估的情况。 ## 不确定性条件下的准则 - 瓦尔德准则：旨在最大化可能的最小收益。这是一种旨在防范最坏结果的悲观策略。 - 最大最大准则：旨在获得可能的最大收益。这是一种期望最好情况发生的乐观方法。 - 赫维茨准则：在乐观与悲观之间进行折衷。选择取决于一个乐观系数，该系数用于平衡最坏和最好结果。 - 萨维奇准则：旨在最小化因做出错误决策而产生的最大后悔值。评估基于最优结果与实际结果之间的差异。 - 拉普拉斯准则：假设所有结果等可能。选择具有最大平均期望收益的策略。 ## 风险条件下的准则 - 贝叶斯准则：基于在已知或评估的各种结果概率下，最大化期望收益。当概率可靠时适用。 - 霍奇斯-雷曼准则：结合了瓦尔德准则和贝叶斯准则。它同时考虑了可能的最小收益和基于概率的平均值，并设有特定权重。 - 贝叶斯最小最大准则：适用于概率本身存在不确定性的情况。选择的策略是在所有可能的概率分布中，使最坏期望风险最小化。 ## 准则的选择 准则的选择取决于： - 概率信息的可获得性， - 对风险的态度（乐观或悲观倾向）， - 具体任务的特点。 在完全不确定性的条件下，通常使用瓦尔德准则、最大最大准则、赫维茨准则、萨维奇准则和拉普拉斯准则。 在风险条件下，则倾向于使用贝叶斯准则、霍奇斯-雷曼准则或贝叶斯最小最大准则。 ## 对比表 | 准则 | 应用条件 | 结果类型 | 策略性质 | 是否需要概率知识 | 优化类型 | 主要计算方法 | 对错误的稳健性 | |----------------|----------------------------|------------------------|--------------|------------------|----------------|------------------------------------------|----------------| | 瓦尔德 | 完全不确定性 | 最小收益 | 悲观 | 否 | 最小最大化 | 选择各策略最小收益中的最大值 | 高 | | 最大最大 | 完全不确定性 | 最大收益 | 乐观 | 否 | 最大最大化 | 选择各策略最大收益中的最大值 | 低 | | 赫维茨 | 完全不确定性 | 最小与最大收益的加权值 | 折衷 | 否 | 加权优化 | 计算最小与最大收益的加权平均值 | 中 | | 萨维奇 | 完全不确定性 | 最大后悔值 | 谨慎 | 否 | 后悔值最小化 | 构建后悔矩阵并选择最小的最大后悔值 | 高 | | 拉普拉斯 | 完全不确定性 | 平均收益 | 中性 | 否 | 平均值最大化 | 计算所有结果的平均值 | 中 | | 贝叶斯 | 风险（概率已知） | 期望收益 | 乐观（理性） | 是 | 期望收益最大化 | 根据概率计算数学期望 | 中 | | 霍奇斯-雷曼 | 部分不确定性 | 组合结果 | 折衷 | 部分需要 | 组合优化 | 最小收益与数学期望的加权组合 | 中 | | 贝叶斯最小最大 | 部分不确定性（概率不确定） | 最大期望风险 | 悲观 | 部分需要 | 最大风险最小化 | 在所有可能的概率中最小化最坏的贝叶斯风险 | 高 |