决策
概述
决策（決定，decision）是指在多个可能方案中选择其一并付诸行动的认知过程。狭义上指个人的选择行为，广义上则涵盖组织、政策、投资等集体性判断。决策经历信息收集、方案评估、选择、执行、事后评估等阶段，并在理性与不确定性之间的张力中形成。
主要内容
理性选择理论
古典经济学将人假设为以完全信息为基础、追求效用最大化的“理性行为人”。在这一视角下，决策被形式化为最大化期望效用（expected utility）的最优化问题，冯·诺伊曼-摩根施特恩的期望效用理论最具代表性。其逻辑是：为各方案的结果赋予概率，比较其加权和，从而选择取值最高的方案。
有限理性
赫伯特·西蒙（Herbert Simon）指出人的认知能力与信息处理能力是有限的，并提出了“有限理性（bounded rationality）”。现实中的决策并不搜寻所有方案，而是以“令人满意的水平（satisficing）”的替代方案为终点，而非寻求最优解。这源于对完全理性假设无法解释现实这一问题的反思。
行为经济学与偏差
丹尼尔·卡尼曼（Daniel Kahneman）与阿莫斯·特沃斯基（Amos Tversky）揭示了人会系统性地做出非理性判断的认知偏差。代表性的有确认偏差、损失厌恶、锚定效应（anchoring）、可得性启发式、过度自信等。当信息不足或时间压力较大时，这些偏差会降低决策质量。卡尼曼以快速而直觉的“系统1”与缓慢而分析的“系统2”的双过程理论对此加以解释。
决策模型
在组织层面，人们提出了多种模型。理性模型强调最优方案的选择，满意模型强调现实性的妥协。垃圾桶模型表明，在目标、手段、参与者相互混杂的组织中，决策会以偶然的方式形成。此外，渐进主义模型主张渐进的调整而非激进的变革，混合扫描模型则主张宏观框架的理性与细节层面渐进主义的结合。
决策的过程
一般而言，决策具有问题认知 → 信息搜寻 → 方案生成 → 评估与选择 → 执行 → 反馈（feedback）的循环结构。在评估阶段，会运用成本效益分析、多准则决策分析（MCDA）、决策树、蒙特卡洛模拟等。当不确定性较大时，实物期权（real options）方法较为有用。
最新动向
2024至2025年，基于AI的决策支持迅速扩散。利用大规模语言模型（LLM）进行的情景分析、预测以及自动化方案评估，正被引入金融、医疗与公共政策领域。与此同时，围绕算法偏差、可解释性（explainability）问题以及责任归属的讨论十分活跃。在行为经济学中，“助推（nudge）”与选择设计已成为政策工具，数字环境中的注意力经济与决策疲劳（decision fatigue）研究也备受关注。此外，脑科学与神经经济学正在阐明决策的神经基础，跨学科研究路径不断强化。
相关主题
- [[行为经济学]]
- [[认知偏差]]
- [[有限理性]]
- [[期望效用理论]]
- [[决策树]]
- [[助推]]