《决策理论与方法》第三版，ISBN 978-7-04-054619-4的章节重点。内容以基础知识和核心概念为主。

第一章 决策分析概述

1. 决策分析的概念及其基本要素

• 决策分析：在不确定或风险条件下，为达到某一目标，从多个备选方案中选择最优方案的系统分析方法。
• 基本要素：
  1. 决策者：做出决策的主体
  2. 决策目标：决策想要达到的目的
  3. 备选方案：可供选择的行动方案
  4. 自然状态：决策者无法控制的外部环境条件
  5. 损益值：各方案在不同自然状态下的结果（收益或损失）
  6. 决策准则：评价和选择方案的标准

2. 决策分析的分类及其基本原则

• 按决策环境分类：
  • 确定型决策：自然状态完全确定
  • 风险型决策：自然状态概率已知
  • 不确定型决策：自然状态概率未知
  • 竞争型决策（博弈）：存在竞争对手
• 基本原则：满意原则（非最优原则）、可行性原则、经济性原则、系统性原则

3. 决策分析的步骤与追踪决策

• 基本步骤：

  1. 识别问题与确定目标
  2. 拟定备选方案
  3. 分析自然状态及其概率
  4. 计算损益值
  5. 选择决策准则并评价方案
  6. 实施与反馈

• 追踪决策（重点）：

  • 定义：在方案实施过程中，因主客观情况发生重大变化或原决策存在重大失误时进行的补救性新决策。
  • 四大特征：
    1. 回溯分析：从原决策起点开始，客观分析原有决策环境，查找失误原因
    2. 非零起点：追踪决策发生在原决策实施过程中，已不同于原决策起点
    3. 双重优化：新方案优于原方案，且新决策预期效果优于原决策可能效果
    4. 心理效应：存在决策失误带来的心理压力及社会心理反应

4. 决策分析的定性与定量方法概述

• 定性方法：基于事实资料、实践经验、理论知识，利用直观判断和逻辑推理（如德尔菲法、头脑风暴法、SWOT分析）
• 定量方法：基于历史数据和统计资料，运用数学模型（如线性规划、决策树、期望值法）
• 综合决策：将定性与定量结合，扬长避短，提高决策质量

第二章 确定型决策分析

1. 确定型决策分析概述

• 概念：在稳定可控条件下，每种方案的结果是确定已知的
• 与运筹学关系：确定型决策是运筹学的重要应用领域

2. 现金流量及货币的时间价值与计算

• 现金流量：现金流入与流出的统称
• 货币时间价值：当前货币比未来等额货币更有价值
• 基本公式（随机值计算重点）：
  • 复利终值：$F = P(1+i)^n$
  • 复利现值：$P = F/(1+i)^n$
  • 年金终值：$F = A \times \frac{(1+i)^n - 1}{i}$
  • 年金现值：$P = A \times \frac{1-(1+i)^{-n}}{i}$

3. 盈亏决策分析（量本利分析）

• 基本原理：通过分析产量、成本、利润关系，找出盈亏平衡点
• 盈亏平衡点产量：$Q_0 = \frac{F}{P-V}$（F为固定成本，P为单位售价，V为单位变动成本）
• 应用：判断项目是否可行、确定保本产量

4. 无约束确定型投资决策

• 价值型指标：净现值(NPV)、净年值(NAV)
• 效率型指标：内部收益率(IRR)、投资收益率
• 时间型指标：投资回收期
• 相对经济效益评价法：增量分析法

5. 多方案投资决策

• 独立型方案：方案间互不干扰，可同时选择
• 互斥型方案：只能选择其中一个，需进行方案比选
• 评价方法：净现值法、差额内部收益率法等

第三章 风险型决策分析（重点章节）

1. 风险决策的期望值准则及其应用

• 期望值公式：$E_i = \sum_{j=1}^{m} x_{ij} \cdot P_j$
  • $E_i$：第i个方案的损益期望值
  • $x_{ij}$：第i个方案在第j种自然状态下的损益值
  • $P_j$：第j种自然状态发生的概率
• 决策规则：
  • 收益最大化：选择期望值最大的方案
  • 损失最小化：选择期望值最小的方案
• 方法：决策表法、决策矩阵法

2. 决策树分析方法

• 决策树组成：

  • 决策节点（□）：表示决策者需要做出选择的点
  • 机会节点（○）：表示自然状态发生的概率分支
  • 结果节点（△）：表示最终损益值
  • 方案枝：从决策节点引出的分支
  • 概率枝：从机会节点引出的分支

• 分析步骤：

  1. 绘制树状图（从左到右）
  2. 标注各概率枝的概率和损益值
  3. 从右到左回溯计算各节点期望值
  4. 在决策节点进行剪枝，选择期望值最优方案
  5. 在机会节点计算期望值：$E = \sum (损益值 \times 概率)$

• 多阶决策：包含两个及以上决策层次，低层次决策确定后，高层次才能确定

3. 贝叶斯决策分析

• 核心思想：利用补充信息（如市场调查）修正先验概率，得到更精确的后验概率，再进行决策
• 贝叶斯公式：$P(S_j|I_k) = \frac{P(I_k|S_j) \cdot P(S_j)}{\sum_{j} P(I_k|S_j) \cdot P(S_j)}$
  • $P(S_j)$：先验概率
  • $P(I_k|S_j)$：似然函数（在状态$S_j$下获得信息$I_k$的概率）
  • $P(S_j|I_k)$：后验概率
• 基本步骤：
  1. 先验分析：基于先验概率进行初步决策
  2. 预验分析：判断补充信息的价值是否值得获取
  3. 验后分析：用补充信息修正概率，重新决策
  4. 序贯分析：分阶段进行上述分析

4. 风险决策的灵敏度分析

• 目的：分析自然状态概率或损益值变化对决策结果的影响
• 转折概率原理：
  • 设两方案期望值相等时的概率为转折概率
  • 当实际概率偏离转折概率时，最优方案可能改变
  • 通过计算转折概率，判断决策的稳定性

5. 效用理论及风险评价

• 效用：决策者对损益值的主观感受和评价

• 效用曲线：以损益值为横轴、效用值为纵轴的曲线，反映决策者风险态度

• 效用曲线的类型（重点）：

  1. 保守型（风险厌恶型）：上凸曲线，边际效用递减，对亏损敏感，不求大利只求避风险
  2. 激进型（风险偏好型）：下凸曲线，边际效用递增，专注大收益不关心亏损
  3. 中立型（风险中性型）：线性曲线，效用与损益成比例，只关注期望值
  4. 混合型：小损益时激进，大损益时保守，更符合实际

• 效用曲线的作用：

  • 将货币量化的损益值转化为决策者主观效用值
  • 解决期望值准则无法反映决策者风险偏好局限
  • 使决策更符合决策者实际心理感受

第四章 不确定型决策分析

1. 不确定型决策的基本概念

• 条件：自然状态已知，但发生概率完全未知
• 特点：决策结果受决策者主观态度影响较大

2. 各决策准则的实现方法

第五章 多目标决策分析

1. 多目标决策的目标准则体系（重点）

• 意义：将复杂多目标问题分解为层次化、系统化的评价准则体系
• 结构类型：
  1. 序列型（树状结构）：目标层层分解，下层准则隶属于上层
  2. 非序列型（网状结构）：准则间存在交叉影响
  3. 混合型：结合上述两种
• 构建原则：系统性、独立性、可测性、可比性
• 评价准则与效用函数：将定性目标量化，构建效用评价函数
• 风险因素处理：对不确定性准则引入概率或风险调整

2. 多维效用并合方法

• 基本思想：将多个目标的效用值按一定规则并合为综合效用值
• 并合规则：加法规则、乘法规则、混合规则
• 适用：各目标相对独立的情况

3. 层次分析方法（AHP）

• 基本步骤：
  1. 建立递阶层次结构：目标层→准则层→方案层
  2. 构造判断矩阵：同一层次元素两两比较重要性（1-9标度法）
  3. 层次单排序及一致性检验：计算权重向量，检验判断一致性（CR<0.1）
  4. 层次总排序及一致性检验：计算各方案对总目标的综合权重
• 1-9标度含义：1同等重要，3稍重要，5明显重要，7强烈重要，9极端重要

4. DEA方法（数据包络分析）

• 用途：评价多投入多产出的决策单元相对效率
• 特点：无需预先设定权重，客观评价相对有效性

5. 目标规划方法

• 基本思想：在多目标线性规划基础上，引入偏差变量，将多目标转化为单目标规划
• 求解：单纯形法求解

第六章 序贯决策分析

1. 多阶段决策

• 特点：决策过程分为多个相互联系的阶段，每阶段决策影响后续阶段
• 方法：动态规划、决策树多阶段分析
• 求解：逆向归纳法，从最后阶段向前递推

2. 马尔可夫决策

• 马尔可夫性质：未来状态只取决于当前状态，与过去无关
• 转移概率矩阵：$P = [p_{ij}]$，其中$p_{ij}$表示从状态i转移到状态j的概率
• 稳态概率：当时间趋于无穷时，状态概率分布趋于稳定，满足$\pi P = \pi$
• 应用：设备更新、市场占有率预测

3. 群体决策简介

• 概念：多个决策者共同参与决策
• 有效程度：受群体结构、沟通方式、决策规则影响
• 常用规则：简单多数规则、加权投票规则、一致性规则

第七章 竞争型决策分析——博弈论

1. 博弈的基本要素

1. 参与者（局中人/博弈人）：独立决策、承担结果的个体或组织
2. 策略集：每个参与者可选择的所有行动方案
3. 收益（支付/得失）：各参与者在不同策略组合下的结果
4. 信息：参与者对其他方信息的了解程度
5. 时序：决策行动的先后顺序

2. 博弈的分类

• 四种基本博弈及对应均衡：
  1. 完全信息静态博弈 → 纳什均衡
  2. 完全信息动态博弈 → 子博弈精炼纳什均衡
  3. 不完全信息静态博弈 → 贝叶斯纳什均衡
  4. 不完全信息动态博弈 → 精炼贝叶斯均衡

3. 纳什均衡

• 定义：在策略组合中，任何参与者单独改变策略都无法获得更高收益的状态
• 特点：是一种"僵局"，各方均无动力单方面偏离

第八章 决策支持系统（DSS）

1. DSS概述

• 定义：辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统
• 目标：支持而非替代决策者，提高决策质量

2. DSS的主要特点

• 面向半结构化和非结构化决策问题
• 强调人机交互，支持决策者判断
• 综合应用数据、模型和分析技术
• 具有灵活性和适应性
• 支持所有决策阶段（情报、设计、选择、实施）

3. DSS的基本结构

• 数据部分：数据库/数据仓库（DBMS）
• 模型部分：模型库及其管理系统（MBMS）
• 知识部分：知识库、推理机（智能DSS）
• 人机交互部分：用户界面系统

4. DSS的分类与发展

• 类型：面向数据的DSS、面向模型的DSS、综合型DSS
• 新发展：
  • GDSS（群体决策支持系统）：支持多人协同决策
  • IDSS（智能决策支持系统）：融入人工智能技术
  • EIS/ESS（主管信息系统）：面向高层管理者的DSS

第九章 大数据分析与决策

1. 大数据的概念与特征

• 大数据（Big Data）：规模巨大、类型多样、处理速度快、价值密度低的数据集合
• 5V特征（重点）：
  1. Volume（体量大）：数据规模巨大，从TB到PB级
  2. Velocity（速度快）：数据产生、处理、分析速度快，实时性强
  3. Variety（类型多）：结构化、半结构化、非结构化数据并存
  4. Veracity（真实性/准确性）：数据质量参差不齐，需保证真实可靠
  5. Value（价值密度低）：海量数据中蕴含的价值密度低，需深度挖掘

2. 数据预处理

• 内容：数据清洗、数据集成、数据变换、数据归约
• 目的：提高数据质量，为分析做准备

3. 大数据分析与决策

• 分析方法：描述性分析、诊断性分析、预测性分析、规范性分析
• 大数据决策：基于数据驱动的决策模式，从经验决策转向数据决策
• 应用案例：精准营销、智慧城市、金融风控、医疗诊断等