决策理论与方法

发表时间：2026-03-23 点击次数：

《决策理论与方法》是管理科学与工程学术型硕士、博士研究生以及工程管理专业型硕士研究生的一门学位基础课，设置本课程的目的在于培养学生掌握决策分析的基本理论和方法，增强学生运用决策理论与方法分析问题和解决问题的实际能力。本课程主要从管理科学、运筹学与统计学交叉融合的角度，研究和介绍现代决策的核心原理、多类型决策问题的分析框架、量化建模方法以及方案选优与优化策略等内容。其教学目标是使学生深刻认识理性决策思维与各类实践场景的内在关联，掌握确定性、风险性、不确定性等不同决策类型的核心模型与求解方法，熟悉多属性、多目标及群决策的分析逻辑，了解大数据与智能技术赋能下决策理论与方法的前沿发展及应用场景等；使学生树立科学系统的决策观念，能运用决策理论与量化工具去分析各类经营管理、项目运作与公共治理中的决策问题，指导实际决策实践活动。

线上课程网址链接：

https://mooc2-ans.chaoxing.com/mooc2-ans/mycourse/tch?courseid=226061780&clazzid=129102636&cpi=70076504&enc=93af71595e6dd45be38f5812ec74c6d7&t=1773821028388&pageHeader=2&v=2&hideHead=0

一、课程基本信息

课程编号: 240112012B07

课程名称：《决策理论与方法》

英文名称：Decision Theory and Methods

总 学 时：32学时

学　　分：2学分

课程类型：学位基础课

适用范围：管理科学与工程学术型硕士、博士研究生以及工程管理专业型硕士研究生

二、课程简介

《决策理论与方法》课程的设置目的在于培养学生掌握决策分析的基本理论和方法，增强学生运用决策理论与方法分析问题和解决问题的实际能力。

在教学过程中，要讲清楚各种方法的本质，要强调方法的应用性，尽可能避免方法的数学推导，每一部分都应与案例分析相结合，通过案例分析使学生理解并掌握各种分析方法，以达到培养学生分析问题、解决问题能力的目的。

三、课程目标

课程目标1. 使学生理解决策分析所包含的决策理论；

课程目标2.使学生能较系统的掌握各种定性与定量决策分析方法；

课程目标3.使学生能掌握各种方法的特征、应用条件和应用领域；

课程目标4.帮助学生了解高等教育发展的现状和趋势，认清自己所处的时代特点，树立正确的就业观和职业观。

四、基本要求

1.课堂教学：课堂教学采取专题式教学，围绕确定型决策、风险型决策、多目标决策等核心模块，系统梳理从经典理论到行为决策、复杂系统决策的前沿演进脉络。授课教师通过集体研讨精析每一专题的重点难点，将效用理论、灵敏度分析、多维效用并合等关键概念与大数据、人工智能等新时代背景相结合，帮助学生构建涵盖规范性、描述性决策的完整理论认知体系，将课程重难点讲深讲透。

2.随堂研讨：引导学生关注宏观经济政策、突发公共事件应对、科技创新战略等国际国内大事中的决策逻辑，结合官方媒体的深度报道与剖析，运用决策树、贝叶斯分析、多属性决策等方法进行情景还原与复盘研讨。同时，融合大纲推荐的前沿案例，以小组分享形式开展课堂讨论，培养学生正确理解问题、分析问题、解决问题的实践能力，在思想碰撞中深化对“有限理性”与复杂情境下决策本质的认识。

3.课后学习：推荐学生拓展阅读前景理论、后悔理论、犹豫模糊语言决策等前沿文献，以及大数据分布式处理、经济理论优化方法等参考书目，夯实理论功底。组织参观或线上体验多目标决策实验、供应链仿真等虚拟仿真实验项目，观看决策心理学、经典决策失误案例等微视频短片，引导学生将课程所学与个人生涯规划相结合，运用多属性决策思维建立职业价值观权重体系，在实践中加深对课程内容的理解与领悟。

五、教学内容

第1章  决策分析概述

【教学目的与要求】

通过本章的学习，要求学生了解决策分析的概念和要素，决策分析的分类， 决策分析的定性定量方法概述，掌握决策分析的步骤与追踪决策。

【教学重点与难点】

重点：决策分析的概念和要素。

难点：决策分析的步骤。

【教学内容】

1.1 决策分析的概念及其基本要素

1.2 决策分析的分类及其基本原则

1.3 决策分析的步骤与追踪决策

1.4 决策分析的定性与定量方法概述

1.5 仿真决策

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）什么是决策分析？决策分析的基本要素有哪些？

（2）决策分析应遵循哪些基本原则？

（3）试述决策分析的步骤？

第2章  确定型决策分析

【教学目的与要求】

通过本章的学习，要求学生了解确定型决策分析的适用场合，理解现金流及货币时间价值与计算，掌握盈亏分析方法，掌握无约束确定型投资决策，多方案投资决策方法。

【教学重点与难点】

重点：确定型决策分析的概念和适用场合。

难点：盈亏决策分析方法，投资决策分析方法的应用。

【教学内容】

2.1 现金流量及货币的时间价值与计算

2.2 盈亏决策分析

2.3 无约束确定型投资决策

2.4 多方案投资决策

2.5 投资决策案例

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）什么是确定型投资决策？

（2）什么是现金流量？什么是货币时间价值？

（3）简述盈亏决策分析的基本原理。

（4）试述各种价值型经济评价指标的应用范围和应用原则。

第3章  风险型决策分析

【教学目的与要求】

通过本章的学习，要求学生理解风险型决策的适用条件，掌握风险型决策的期望准则及其方法，掌握决策树分析方法及步骤，掌握贝叶斯决策分析方法，掌握风险决策的灵敏度分析方法，理解效用的概念，掌握利用效用曲线、效用标准进行决策的方法。

【教学重点与难点】

重点：风险型决策的期望准则及评价模型，决策树分析方法及步骤，贝叶斯决策分析方法。

难点：风险决策的灵敏度分析及效用理论的应用。

【教学内容】

3.1 风险型决策的期望值准则及其应用

3.2 决策树分析方法

3.3 贝叶斯决策分析

3.4  风险决策的灵敏度分析

3.5 效用理论及风险评价

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）什么是风险，企业经营主要面对哪些风险？

（2）先验分布和后验分布有什么区别？

（3）决策树主要由哪几个部分组成？

（4）采用效用函数评价风险的实际意义？

（5）简述贝叶斯决策分析法的基本步骤。

第4章  不确定型决策分析

【教学目的与要求】

通过本章的学习，要求学生掌握不确定型决策的基本概念、乐观决策准则、悲观决策准则、折中决策准则、后悔值决策准则，并培养其不确定型问题的分析与判断能力，以及熟练运用合适的决策准则进行实际决策的能力。

【教学重点与难点】

重点：乐观决策准则及其应用，悲观决策准则及其应用，折中决策准则及其应用，后悔值决策准则及其应用。

难点：各种决策准则的适用范围和实用技巧。

【教学内容】

4.1 不确定型决策的基本概念

4.2 乐观决策准则

4.3 悲观决策准则

4.4 折中决策准则

4.5 后悔值决策准则

4.6 等概率决策准则

4.7 案例分析

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）简述不确定型决策应满足的条件？

（2）试述乐观决策的步骤，并与悲观决策作比较。

（3）后悔值决策主要适用于哪些类型问题的解决？

第5章  多目标决策分析

【教学目的与要求】

通过本章的学习，要求学生掌握目标准则体系的结构、评价准则和效用函数、目标准则体系风险因素的处理、多维效用并合模型、判断矩阵、递阶层次结构权重解析过程、DEA方法并能进行实际应用。

【教学重点与难点】

重点：如何制定目标准则体系，多维效用并合规则，递阶层次模型，AHP方法的基本步骤，DEA有效性的经济意义。

难点：多维效用并合过程，判断矩阵的一致性检验，如何评价系统的DEA有效性。

【教学内容】

5.1 多目标决策的目标准则体系

5.2 多维效用并合方法

5.3 层次分析方法

5.4 DEA方法

5.5 目标规划

5.6 多目标决策实验

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）多目标决策问题的目标准则体系可分为哪几种类型？

（2）简述多维效用并合规则？

（3）AHP分析法包括哪些基本步骤？

第6章  群体决策分析

【教学目的与要求】

通过本章学习，要求学生掌握群体决策的基本概念与理论基础，熟悉群体偏好表征、集结机制与共识达成方法，了解群体决策支持系统的功能与应用前沿，理解数字化赋能下的心理行为特征，并能初步应用于实际分析。

【教学重点与难点】

重点：群体决策的基本概念与理论基础、偏好表征与集结方法（Delphi法、AHP法、熵权法）、共识达成过程与TOPSIS法、群体决策支持系统的组成与功能。

难点：主客观赋权法的原理与区别、共识反馈机制的设计、智能决策支持系统的结构逻辑、心理行为对决策过程的深层影响。

【教学内容】

6.1 群体决策分析理论基础与群体偏好表征量化方法

6.2 群体偏好的集结机制与模型与共识达成过程

6.3 复杂情境下的群体决策模型、群体决策支持系统与应用前沿

6.4 群体决策中的心理行为特征与数字化赋能

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）群体决策相较于个人决策有哪些优势与潜在风险？

（2）共识达成过程中，如何设计有效的反馈机制以提升效率？

（3）数字化工具（如GDSS、AI）如何赋能群体决策？可能带来哪些新挑战？

（4）心理行为特征（如从众行为、群体思维）在群体决策中如何影响结果？如何规避？

第7章  多属性决策分析

【教学目的与要求】

通过本章的学习，要求学生掌握多属性决策指标体系、多指标决策方法、主成分分析法、物元决策方法，并能进行实际应用。

【教学重点与难点】

重点：多属性决策指标体系、多指标决策方法、物元决策方法。

难点：决策指标的标准化、理想解法、物元决策模型。

【教学内容】

7.1 多属性决策指标体系

7.2 多指标决策方法

7.3 主成分分析法

7.4 物元决策方法

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）多属性决策指标体系设置应遵循哪些基本原则？

（2）指标标准化有哪些常用方法？

（3）TOPSIS方法有哪些基本步骤？

（4）可拓决策模型有哪些基本步骤？

第8章  博弈论在管理决策中的应用

【教学目的与要求】

通过本章学习，要求学生掌握博弈论的基本概念与要素，理解纳什均衡、子博弈完美纳什均衡、贝叶斯纳什均衡等核心均衡概念，熟悉完全信息博弈与不完全信息博弈的分析方法，了解重复博弈中的触发策略，并能将囚徒困境、古诺模型等经典模型应用于管理决策实践。

【教学重点与难点】

重点：博弈的要素与分类；纳什均衡的概念与求解；完全信息动态博弈的逆推归纳法；古诺模型及其均衡分析。

难点：混合策略纳什均衡；完美贝叶斯均衡的信念修正；不完全信息下的贝叶斯均衡计算。

【教学内容】

8.1 博弈论的概述

8.2 博弈的类型

8.3 完全信息博弈

8.4 不完全信息博弈

8.5 重复博弈与触发策略

8.6 应用：古诺模型、贝叶斯均衡

8.7 案例分析：新能源汽车双寡头产量博弈

【教学方法】

多媒体教学、案例分析、课堂讨论

【思考与讨论】

（1）什么是纳什均衡？囚徒困境中的纳什均衡对管理有何启示？

（2）逆推归纳法如何求解动态博弈？子博弈完美纳什均衡解决了什么问题？

（3）古诺模型中企业产量如何相互影响？纳什均衡如何求解？

（4）海萨尼转换如何解决不完全信息博弈问题？

（5）重复博弈中的触发策略如何维持合作？在企业管理中有何对应措施？

第9章  多属性决策分析

【教学目的与要求】

通过本章学习，要求学生掌握智能决策的基本概念与核心内涵，理解其与传统决策支持系统的区别，熟悉智能决策的关键技术，了解智能决策的四层体系结构，掌握智能决策与传统决策的融合机制，了解智能决策的发展历程，并能结合工业案例理解智能决策的实践应用。

【教学重点与难点】

重点：智能决策的定义与三位一体内涵；机器学习三大范式；知识图谱的构建与推理；智能优化算法思想；四层体系结构的功能；人机协同三种形态；数据驱动与模型驱动融合模式；智能决策发展四阶段的特征与局限。

难点：因果推断与机器学习的本质区别；知识图谱推理机制；智能优化中“探索与利用”的平衡；动态置信度路由与RLHF机制；神经符号融合的逻辑。

【教学内容】

9.1 智能决策的概念

9.2 关键技术

9.3 体系结构

9.4 融合机制

9.5 发展历程

9.6 案例分析：工业AI Agent与智能工厂

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）智能决策与DSS的核心区别是什么？如何理解OODA环在智能决策中的迭代特性？

（2）知识图谱在智能决策中如何提升可解释性？试举例说明。

（3）智能优化算法为何追求“满意解”而非“最优解”？在路径规划中如何应用？

（4）人机协同有哪三种形态？动态置信度路由如何实现人机任务的自动切换？

（5）数据驱动与模型驱动融合的三种技术路径分别适用于什么场景？

（6）从专家系统到生成式AI，智能决策四个发展阶段各解决了什么问题？有何启示？

第10章  主流智能决策方法

【教学目的与要求】

通过本章学习，要求学生掌握基于规则的专家系统、知识图谱、决策树与随机森林、贝叶斯网络、强化学习等主流智能决策方法的基本原理与核心机制；理解不同方法的适用场景与优缺点；熟悉混合智能决策模型的构建思想与融合模式；掌握智能决策方法的选择原则与综合应用策略；能够结合典型案例理解智能决策方法在复杂系统中的实际应用。

【教学重点与难点】

重点：专家系统的推理机制；知识图谱的组成、构建与推理；决策树的划分准则与随机森林的集成思想；贝叶斯网络的概率推理与不确定性处理；强化学习的MDP框架与核心要素；混合智能模型的典型模式；智能决策方法的对比维度与选择原则。

难点：知识图谱的路径推理与语义推理；贝叶斯网络的信念传播与反向更新；强化学习中探索与利用的平衡；混合智能模型中多模块的协同机制与信息流通；复杂系统环境下方法选择的权衡逻辑。

【教学内容】

10.1 基于规则的专家系统与决策自动化

10.2 基于知识图谱的智能决策

10.3 决策树与随机森林

10.4 贝叶斯网络与不确定性推理

10.5 强化学习与序贯决策优化

10.6 混合智能决策模型

10.7 主流智能决策方法的对比分析

10.8 智能决策方法的综合应用与选择原则

10.9 智能决策技术的发展趋势与展望

10.10 案例分析：智能制造车间调度

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）专家系统前向与后向推理有何区别？

（2）知识图谱相比传统规则系统有何优势？

（3）随机森林如何通过集成提升稳定性？

（4）贝叶斯网络如何处理不确定性？

（5）强化学习与监督学习的本质区别是什么？

（6）混合智能模型的三种模式适用场景？

（7）如何根据实际问题选择决策方法？

（8）结合案例说明强化学习与规则结合的混合架构如何实现高效鲁棒决策？

第11章  大模型驱动的智能决策范式演进

【教学目的与要求】

掌握大模型的发展历程与核心能力；理解大模型驱动的决策范式转变；熟悉基于智能体的决策方法体系与核心要素；掌握智能决策模型的多维度评估指标；了解智能决策的未来趋势；能够结合案例理解大模型与传统方法融合的混合决策架构及其工程应用。

【教学重点与难点】

重点： 大模型的技术演进与核心能力；决策范式转变的核心机制；智能体的定义、体系结构与核心要素；智能决策模型的评估指标体系；大模型与传统方法的对比分析；大模型决策系统的工程挑战；LLM+优化求解器的混合架构设计。

难点：大模型的涌现能力与链式推理机制；智能体的规划机制与工具增强架构；多目标优化与帕累托最优建模；大模型的幻觉问题与工程应对策略；云边协同部署与模型压缩技术。

【教学内容】

11.1 大模型的演进路径与应用场景

11.2 大模型驱动下的决策范式转变

11.3 基于智能体的决策方法

11.4 智能决策模型的评估指标

11.5 智能决策方法的未来发展趋势

11.6 大模型驱动智能决策范式的综合分析

11.7 大模型与传统智能决策方法的对比分析

11.8 大模型智能决策系统的工程挑战与应对策略

11.9 案例分析：智能供应链决策系统

【教学方法】

多媒体教学、案例分析

【思考与讨论】

（1）大模型推动了智能决策的哪些核心机制变化？请从特征工程、任务适配、推理方式等方面说明。

（2）智能体的核心要素有哪些？大模型如何增强智能体的决策能力？

（33）大模型与传统智能决策方法在知识获取和推理能力上有何本质区别？二者如何实现互补？

（4）大模型驱动的智能决策系统面临哪些主要工程挑战？可采取哪些应对策略？

（5）结合智能供应链案例，说明LLM与运筹优化算法如何协同工作？这种混合架构的优势体现在哪些方面？

六、实践教学环节

七、学时分配

八、考核评价

(一) 考核要求：《决策理论与方法策》课共32学时，2个学分。学生期评成绩按学生到课情况、线上学习、期末考试进行综合评分。

(二) 考核评价方式：

课程目标评价方式及成绩比例

(三) 考核方式：闭卷考试。

考试成绩评价标准

九、推荐教材与主要参考书目

（一）推荐使用教材

[1]陶长琪等，《决策理论与方法》，高等教育出版社，2016年版。

（二）主要参考书目

[1] 陈晓红，《决策支持系统理论和应用》，清华大学出版社，2000年版。

[2] 谭跃进，《定量分析方法》，中国人民大学出版社会，2002年版。

[3] 李一智等，《商务决策数量方法》，经济科学出版社，2003年版。

[4] 岳超源，《决策理论与方法》，科学出版社，2003年版。

[5] 郭立夫，《决策理论与方法》，高等教育出版社，2004年版。

[6] 陈晓红，《复杂大群体决策方法及应用》，科学出版社，2009年版。

[7] 迪克西特， 经济理论中的最优化方法（第二版），格致出版社，2013年版。

[8] 莱斯科夫等，大数据:互联网大规模数据挖掘与分布式处理（第二版），人民邮电出版社，2015年版。

（三）阅读期刊文章

[1]王坚强,李康健. 基于直觉正态模糊集结算子的多准则决策方法[J]. 系统工程理论与实践,2013,33(06):1501-1508.

[2]张晓,樊治平,陈发动. 基于后悔理论的风险型多属性决策方法[J]. 系统工程理论与实践,2013,33(09):2313-2320.

[3]袁宇,关涛,闫相斌,李一军. 基于区间直觉模糊数相关系数的多准则决策模型[J]. 管理科学学报,2014,17(04):11-18.

[4]张恩瑜,王珏,张奇,郑永和,汪寿阳. 国家自然科学基金资助项目综合评价:基于Vague集多准则决策[J]. 管理科学学报,2015,18(02):76-84.

[5]王治莹,李勇建. 行为决策对突发事件的干预机制及其预案启动策略研究[J]. 系统工程理论与实践,2015,35(07):1863-1870.

[6]黄亮,冯登国,连一峰,陈恺,张颖君,刘玉岭. 一种基于多属性决策的DDoS防护措施遴选方法[J]. 软件学报,2015,26(07):1742-1756.

[7]陈晓红,汪继,王傅强. 消费者偏好和政府补贴下双渠道闭环供应链决策研究[J]. 系统工程理论与实践,2016,36(12):3111-3122.

[8]钱丽丽,刘思峰,方志耕,刘勇. 基于后悔理论的灰色随机多准则决策方法[J]. 控制与决策,2017,32(06):1069-1074.

[9]徐泽水,潘玲,廖虎昌. 基于MACBETH方法的犹豫模糊语言多准则决策方法[J]. 控制与决策,2017,32(07):1266-1272.

[10]沙乐天,肖甫,陈伟,孙晶,王汝传. 基于多属性决策及污点跟踪的大数据平台敏感信息泄露感知方法[J]. 通信学报,2017,38(07):56-69.