无论是在自然科学、社会科学还是工程技术领域,由于现实决策问题的复杂性和不确定性导致传统基于准确机理模型的决策分析方法无法得到有效应用,于是大量的研究工作围绕面向不确定性信息的决策分析方法展开. 随着现代经济社会、自然科学和工程技术日新月异的发展和变化，诸如人工智能、机器学习、模式识别和数据挖掘等许多研究领域，产生了巨额数量的信息。由于待研究的问题形形色色、千差万别，除了那些确定性的事物和概念之外，更广泛存在的是不确定性信息，它们给传统决策分析理论和方法的研究带来了极大的挑战，需要我们发展新的数学工具和方法来描述和处理这些问题，这已经成为当前人工智能研究领域中的一类重要研究内容。 本文首先对不确定性进行了概述,并针对随机性、模糊性、不完备性和粗糙性这四种主要不确定形式分别进行了界定;然后,根据决策手段性质的不同,从两个主要方面分析和评述了当前应用比较广泛的不确定性决策分析方法:概率统计学方法和不确定性逻辑推理,其中前者包括贝叶斯网络和主观概率法,而后者包括证据理论、模糊理论、灰色系统理论、粗糙集理论和神经网络理论,并针对各种具体方法总结了它们的思路特点、研究现状和应用前景.