多准则决策

多准则决策 (Multi-Criteria Decision Making)

多准则决策（Multi-Criteria Decision Making, MCDM），亦称多准则决策分析（MCDA），是运筹学和管理科学的重要分支，研究在多个相互冲突、不可公度的准则下如何对备选方案进行评价、排序或择优。MCDM 的核心挑战在于：现实中几乎不存在在所有准则上都优于其他方案的"绝对最优解"——一个方案可能在成本上占优，但在质量上逊色——因此需要系统性的方法在准则之间进行权衡，量化决策者的偏好结构，从而找到"最满意解"或"妥协解"。其理论基础植根于效用理论、多目标优化和群决策理论。

基本概念与分类

MCDM 问题的形式化描述包含三个要素：备选方案集 $A = \{a_1, a_2, \dots, a_m\}$；准则集 $C = \{c_1, c_2, \dots, c_n\}$，每个准则可分为收益型（越大越好）或成本型（越小越好）；以及决策矩阵 $X = (x_{ij})_{m \times n}$。此外还需各准则的权重 $w = (w_1, w_2, \dots, w_n)$，满足 $\sum w_j = 1$。

MCDM 可分为两大流派：多属性决策（MADM），针对离散型有限方案的评价与选择；多目标决策（MODM），针对连续型无限方案的设计与优化，核心是搜寻帕累托最优前沿。

经典方法

层次分析法（AHP）由萨蒂（Saaty, 1980）提出。它将决策问题分解为目标层、准则层和方案层，通过两两比较矩阵以 1-9 标度量化判断，计算最大特征值对应的归一化特征向量作为权重。AHP 将定性与定量分析相结合，但一致性比率要求限制了其灵活性。

TOPSIS（Hwang \& Yoon, 1981）逻辑简洁：最优方案应距正理想解最近、距负理想解最远，基于欧氏距离度量相对贴近度。PROMETHEE（Brans \& Vincke, 1985）引入偏好函数概念，允许为各准则定义不同的偏好阈值。ELECTRE家族（Roy, 1968）基于一致性与非一致性检验构建超越关系。VIKOR（Opricovic, 1998）以妥协解理论为基础，在最大化群体效益与最小化个体遗憾之间寻求平衡。

权重与归一化

权重的确定可分主观与客观两类。主观赋权法包括 AHP 的两两比较法、直接打分法和德尔菲法。客观赋权法如熵权法——利用各准则下方案取值的离散程度赋权（信息熵越低、差异越大，权重越高）；CRITIC 则在离散程度之外还纳入准则间的相关性。常见的归一化方式包括极差归一化（Min-Max）、向量归一化和总和归一化，其选择对排序结果有显著影响。

局限性与发展前沿

MCDM 的局限性在于：评价结果对权重、归一化方式等输入参数高度敏感；准则间相关性可能被忽视；群体决策中的偏好集结可能违反阿罗不可能定理。当前发展方向包括 MCDM 与模糊集理论结合（模糊 AHP、模糊 TOPSIS）、与机器学习结合自动学习偏好结构，以及应用于可持续性评估、循环经济和碳中和等领域。数学规划与 MCDM 的融合——如目标规划和数据包络分析（DEA）——也在催生从"选出最优"走向"设计方案与优化决策"的新范式。