决策 是人们在政治、经济、技术和日常生活中普遍存在的一种行为；决策是管理中经常发生的一种活动；决策是决定的意思，它是为了实现特定的目标，根据客观的可能性，在占有一定信息和经验的基础上，借助一定的工具、技巧和方法, 对影响目标实现的诸因素进行分析、计算和判断选优后, 对未来行动作出决定。
多准则决策 (Multi-criteria decision-making, MCDM)
多准则决策是指在具有相互冲突、不可共度的有限(无限)方案集中进行选择的决策。它是分析 决策理论 的重要内容之一。多准则决策根据决策方案是有限还是无限，而分为多属性决策与多目标决策两大类。
多属性决策：
多属性决策也称有限方案多目标决策，是指在考虑多个属性的情况下，选择最优可选方案或进行方案排序的决策问题，它是现代决策科学的一个重要组成部分。它的理论和方法在工程、技术、经济、管理和军事等诸多领域中都有广泛的应用。
如今被发展的多属性决策方法有很多，但这些方法有一些共通要素：
1. 多个选择方案：在做 群体决策 之前，决策者必须先要衡量可行的方案数，以做为评估的选择。
2. 多个评估属性：在做 群体决策 之前，决策者必须先要衡量可行的属性数，提出影响方案的数个相关属性，属性间可以是互相独立也可以是有相关联。
3. 属性的权重分配：对于不同的属性决策者会有不同的偏好倾向，分配不同的 权重 给不同的属性，一般来说属性的权重分配通常会经过正规化处理。
多目标决策：
多目标决策是指需要同时考虑两个或两个以上目标的决策。如某企业要在几种 产品 中选择一种产品生产，就既要考虑获利大小，又要考虑现有设备能否生产以及原材料供应是否充足等因素来选择其中一种，只有使这些相互联系和相互制约的因素都能得到最佳的协 调、配合和满足，才是最优的决策。
历史发展： 多目标 最优化问题 最早是由意大利经济学家L.帕雷托在1896年提出来的，他把许多本质上是不可比较的目标化成一个单一的最优化目标。1944年J.von诺伊曼和O.莫根施特恩又从 对策论 角度提出具有多个决策者并相互矛盾的 多目标决策问题 。1951年T.C.考普曼从生产和分配活动分析中提出多目标最优化问题，并引入了帕雷托优化的概念。1961年A.查纳斯和W.库珀提出 目标规划 。1963年L.A.瑞特从控制论角度提出多指标问题的一些基本概念。1976年R.基奈和H.拉伊发利用多属性效用方法求解多目标问题。60年代以来，出现了很多解决多目标决策问题的方法。中国70年代中期开始推广应用 多目标决策方法 ，现在已取得了一定的成果。
基本原理： 从人们在多目标条件下合理进行决策的过程和机制从上分析，多目标决策的理论主要有：多目标决策过程的分析和描述；冲突性的分解和理想点转移的理论；多属性 效用理论 ；需求的多重性和层次性理论等。它们是构成多目标决策分析方法的理论基础。
多准则决策可以解决的四类问题:
1. 在排序问题(The sorting problem，分组排序)中，必须预先定义一组类别，并为它们分配行动，而不考虑其他行动。在这个问题中，决策者试图将可选方案集划分为几个类别。(Figueira, J., Mousseau, V., & Roy, B. (2005). ELECTRE methods. In J. Figueira, S. Greco, & M. Ehrgott (Eds.), Multiple Criteria Decision Analysis: The State of the Art Surveys (pp. 133–162). New York: Springer Science+Business Media Inc. )。排序多准则决策(MCDM)方法帮助决策者(dm)将每个行动分配到一个类别，从这个意义上说，多标准排序方法并不打算发现类别。
MCDM初始分类 ：
<1> Multi-attribute Value Theory (MAVT)[1] ：
Keeney, R., & Raiffa, H. (1976). Decisions with multiple objectives: Preferences and value tradeoffs. New York: John Wiley & Sons Inc.
<2> The outranking approach[6] ：例如ELECTRE [2] 方法
Roy, B. (1990). The Outranking Approach and the Foundations of ELECTRE Methods. In C.A. Bana e Costa (Ed.), Reading in Multiple Criteria Decision Aid (pp. 155–183). Berlin: Springer-Verlag.
<3> decision rules using “if-then” statements[3]：
Greco, S., Matarazzo, B., & Slowinski, R. (1998). A New Rough Set Approach to Multicriteria and Multiattribute Classification. In L. Polkowski, & A. Skowron (Eds.), Rough Sets and Current Trends in Computing (Vol. 1424). Berlin, Heidelberg: Springer.
MCDM现在的分类 ：
<1> Full aggregation approach[7]： UTADIS方法 [4]
Ishizaka, A., & Nemery, P. (2013). Multi-Criteria Decision Analysis: Methods and Software. United Kingdom: Wiley.
包括最常用的UTADIS方法 [4] ：
Greco, S., Mousseau, V., & Slowinski, R. (2010). Multiple criteria sorting with a set of additive value functions. European Journal of Operational Research, 207(3), 1455–1470.
https://doi.org/10.1016/j.ejor.2010.05.021 <2> Outranking approach[6] ：
Ishizaka, A., & Nemery, P. (2013). Multi-Criteria Decision Analysis: Methods and Software. United Kingdom: Wiley.
ELECTRE方法[2] ：
Benayoun, R., Roy, B. and Sussman, B. (1966) Electre: Une méthode pour guider le choix en présence de points de vue multiples. Note de travail, 49. （第一个提出该方法）
引用最多的是PROMETHEE方法[5]：
Brans J P, Vincke P. A preference ranking organization method: The PROMETHEE method for MCDM[J]. Management Science, 1985, 31(6):647- 6561.（第一个提出该方法）
J. Figueira; S. Greco & M. Ehrgott (2005). Multiple Criteria Decision Analysis: State of the Art Surveys . Springer Verlag.
Araz, C., & Ozkarahan, I. (2007). Supplier evaluation and management system for strategic sourcing based on a new multicriteria sorting procedure. International Journal of Production Economics, 106(2), 585–606.
https://doi.org/10.1016/j. ijpe.2006.08.008.
<3> Goal, aspiration or reference-level approach[8]
Ishizaka, A., & Nemery, P. (2013). Multi-Criteria Decision Analysis: Methods and Software. United Kingdom: Wiley.
the data envelopment analysis (DEA) 方法[10]：
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444.
https://doi. org/10.1016/0377-2217(78)90138-8.
TOPSIS[9]
Hwang, C.L.; Yoon, K. (1981). Multiple Attribute Decision Making: Methods and Applications. New York: Springer-Verlag.
AHP[11]
Saaty, T. L.．The Analytic Hierarchy Process: Planning, Priority Setting．New York: McGraw-Hill：Resource Allocation，1980.
<4> Non-classical MCDM approaches[3] :
基于粗糙集的决策方法：
Greco, S., Matarazzo, B., & Slowinski, R. (2002). Rough sets methodology for sorting problems in presence of multiple attributes and criteria. European Journal of Operational Research, 138(2), 247–259.
https://doi.org/10.1016/s0377-2217(01) 00244-2.——首先提出 Non-classical MCDM approaches
TRI-NOMFC方法[12]：
Léger, J., & Martel, J.-M. (2002). A multicriteria assignment procedure for a nominal sorting problematic. European Journal of Operational Research, 138, 349-364.
Dempster–Shafer方法[13]:
Dempster, A. P. (1967). "Upper and lower probabilities induced by a multivalued mapping". The Annals of Mathematical Statistics. 38 (2): 325–339. doi:10.1214/aoms/1177698950.
Shafer, Glenn; A Mathematical Theory of Evidence, Princeton University Press, 1976, ISBN 0-608-02508-9
2. 排序问题(The ranking problem，也叫排名问题)涉及到生成备选方案的部分或完整的优先顺序，其目的是为决策者提供所有选项或行动的排名或评分。
3. 描述问题(The description problem)包括识别可选方案的重要特征和生成对这些特征的描述。
4. 选择问题(The choice problem)中，决策者必须从一个集合a中选择一个被评价为最佳的可选项子集。
[1] 多属性值理论 (Multi-Attribute Value Theory,MAVT)主要是让决策者可以对每个不同的属性准则提供不同的属性价值函数(attribute valuefunction)，结合每个属性价值函数再经过权重总合计算后,便得到每个方案的效用值。
[2] ELECTRE (Elimination et choix traduisant laréalité，(ELimination Et Choice Translating REality，选择消去法,1966))法，说到底还是运筹学方法。不过是换了一个形式，这种方法通过构建“级别高于关系(out ranking relationship)”的方式来淘汰劣等方案。目前纯粹的ELECTRE方法已经有I、II、III、IV、TRI几代了，每一代都是在上一代的基础上做了一些查漏补缺。
[3] 该方法包括有决策规则的方法，粗糙集是其中的代表方法(1998)。
[4] 多指标分类的效用加性判别法 （UTADIS， UTilites additives DIScriminantes）， 该方法提出了偏好函数的加法和乘法形式的方法，综合评估成一个全局分数。对每个标准评估一个分数，然后综合成一个整体分数，在这种方法中，一个标准上的差分数可以用另一个标准上的好分数来补偿，众所周知的UTADIS是在这种方法中开发的第一个排序方法。
[5] 丰富度评估的偏好排序组织方法（1985, Preference ranking organization method for enrichment evaluation， PROMETHEE,） 是多属性决策方法的一种,此方法无需对评价指标进行无量纲和规范化处理,避免了数据预处理导致的信息缺失和结果偏离,使评价结果更加客观和科学。该方法主要是基于方案的两两比较,通过级别高于关系的概念来解决多属性决策问题。
步骤：一是确定优先函数,根据优先函数计算出每个方案“正 流量”和“负流量”(PROMETHEE I －部分排序)，具体地包括六种典型的优先函数：一般准则、拟准则、线性优先关系准则、高斯准则、无差别区间的线性优先关系准则、分级准则；二是确定评价指标权重并定义方案间的模糊关系；三是根据“正 流量”和“负流量”计算出“净流量”(PROMETHEE II－完全排序)。
[6] 建立方案和方案间的优势关系以淘汰较差的方案，若属于级别高于关系(out ranking relationship)，即方案i优于方案j 。 级别高于关系(out ranking relationship)的重要贡献是可以去寻找到指标或其他参数（阈值和切割水平）。
[7] 见引用 [2]
[8] 这是在每个标准上定义参考水平(目标)，然后确定最接近或者最远离（根据实际需要）这个理想参考水平的选项。
[9] 逼近理想解 法 （1981, TOPSIS， Technique for Order Preference by Similarity to an Ideal Solution），该方法中的核心就是提出最优解和最劣解。然后把备选方法拿来比较，如果有一个方案无限接近最优解、远离最劣解，那么这就是天选之解，所以TOPSIS法也叫做“ 优劣解距离法 ”。
[10] 数据包络分析法（1978, DEA, the data envelopment analysis） 是常用的分析方法，DEA方法及其模型自1978年由美国著名运筹学家A.Charnes和W.W.Cooper提出，DEA是一个线形规划模型，表示为产出对投入的比率。通过对一个特定单位的效率和一组提供相同服务的类似单位的绩效的比较，它试图使服务单位的效率最大化。如今单纯的DEA方法基本都已经到了三阶段DEA分析了。主要用于多投入、多产出的效率评价。适用经济类分析。
[11] 层级分析程序法(Analytic Hierarchy Process,AHP) ，它也是属于运筹学的范畴，同样顾名思义，就是把关系错综复杂的决策问题分成1234的层次来分析。AHP方法将选出的各属性分层以后，通过构造判断矩阵，再依据权重进行赋权计算，然后根据结果排序。
这种方法备受诟病的一个原因就是，其中的元素确定和权重确定是主观确定的，因此，拍脑门或者“造数据”大行其道。后来，1996年，美国T.L.Saaty教授提出了网络分析法（ANP），这种方法改掉了拍脑门的权重确定法，虽然一脉相承于AHP，但是它更复杂了，也需要借助软件来计算了。它自觉高级的地方在于，它不认为问题的元素可以简单的分层的，这些元素之间有错综复杂的关系，像网络。
[12] TRINOMFC(2002, TRI NOMinal base sur des Fonctions Criteres) 其分配是基于确定一个对象和其典型对象所描述的每个类别之间的相似性评级。对于每个标准，将引入一个表示相似性指数的函数，以便对两个对象之间的相似性概念进行建模。每个指标定义这样一个函数，其值在0到1之间，这个值将远远大于这个标准的两个动作之间的相似性。
[13] 置信函数理论 (1967) ，也被称作 证据理论 或 Dempster–Shafer theory(DST) ，是用于与不确定性推理，具有如概率，可能性，并理解连接到其他框架的总体框架 不精确概率理论 。该理论首先由Arthur P. Dempster在统计推断的背景下引入，后来由Glenn Shafer 发展(1976)成为建模认知不确定性的一般框架—— 证据 的数学理论。该理论允许人们将来自不同来源的证据结合起来，并得出一定程度的置信度（由称为置信函数的数学对象表示），该置信度将所有可用的证据都考虑在内。