一种基于决策树的决策分析系统实现方式

提要在确定性情况下，决策是容易的。在复杂的管理决策和工程技术中，有些条件和状态是难以得知的，或者是暂时无法得知的，这类决策问题属于不确定性决策。决策树技术是人工智能的基础，根据对象的特点，抽取其特征知识逻辑，对于较小的简单模型可以实现较好的判别。
　　关键词：决策树；二手车问题；人工智能

　　一、概述
　　决策是管理中经常发生的一种活动，是人们在政治经济技术和日常生活中普遍存在的一种选择方案的行为。决策按环境划分可分为确定型、风险型和不确定型的决策三种。确定型的决策是指决策的环境是完全确定的，作出选择的结果也是确定的。风险决策是指决策的环境不是完全确定的，而其发生的概率是已知的。不确定型决策是指决策者对将发生的结果的概率一无所知，只能凭决策者的主观倾向进行决策。
　　在现实社会里，一个拟建项目的所有未来结果都是未知的，企业产品的生产过程，同时也是人力、物力、财力的耗费过程，如何利用这些资源，保证经营管理目标的实现，在许多可供选择的行动方案中，总存在着一个能以最少的消耗取得最大效果的方案，是否能做出正确的经营决策，直接关系到经济效益的好坏，决策树法可以帮助企业决策者分析风险，选择最佳方案。本文以“买二手车问题”作为实际应用的代表，以决策理论为基础，开发了自动生成决策树的一个简单系统。
　　
　　论文检测天使-免费论文相似性查重http://www.jiancetianshi.com
二、决策树法的意义
　　决策树技术是人工智能的基础，根据对象的特点，抽取其特征知识逻辑，对于较小的简单模型可以实现较好的判别。
　　决策树法是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。
　　决策树一般由决策点、机会点、方案枝、概率枝等组成。决策点一般用“口”表示，然后从决策点引出若干条直线，代表各个备选方案，这些直线称为方案枝；方案枝后面连接一个“Ｏ”，称为机会点；从机会点画出的各条直线，称为概率枝，代表将来不同状态，概率枝后面的数值代表不同方案在不同状态下可获得的收益值。画出决策树后，就可以很容易地计算出各个方案的期望值并进行比选。
　　三、应用举例
　　某人要买一批二手车，对其修理后再次出售，已知购买二手车的成本为$1，000；出售价格为$1，100；但所购买的每辆二手车都可能是好车或者坏车；其中20%的可能性是坏车；若修理好车的费用是$40，修理坏车的费用是$200；使用平衡风险。存在一个保险项目，购买保险的费用是$60；购买保险后保险公司可以为修车垫付50%的维修费用；如果维修费用多于$100，那么全部垫付维修费用。若在购买二手车之前，有人可以提供买车的准确信息（好的或坏的），那购买信息费应该花多少钱？
　　1、决策树。（图1）
　　2、计算机会点的期望值。机会点的期望值=0.2×（$40-C）+0.8×（$60-C）=$56-C
　　3、不够买任何信息和保险的决策树。（图2）
　　4、决策。根据等式56-C=28可求出，C=28，即如果花费$28去购买信息费等于没有买信息没有买保险的盈利，若花费的信息费低于$28，才可以多一些盈利。
　　四、买二手车决策分析系统的实现
　　（一）开发背景。该决策分析系统是仅针对特定条件的买二手车问题而开发的，目的是验证在已知各种情况发生概率的基础上，通过构成决策树求取期望值大于等于零的概率，评价项目风险，得出判断其可行性的决策。系统可根据用户每次输入值的不同，生成不同的决策树，帮助用户做出正确的决策。
　　（二）主要实现方法
　　1、决策理论。决策理论是在不确定性下做出决策的计算。不能预测的事情：不确定的结果。如：结果A发生的概率为p，结果B发生的概率为1-p。
　　存在一个实数值函数U（效用函数）
　　U（L）=p·U（A）+（1－p）·U（B）
　　2、程序实现。由于系统比较简单，所以采用vb作为开发工具，算法以及程序的实现比较简单，主要依据是决策理论。下面简单说明程序实现过程，首先应定义一些重要的变量用来存放前提条件。
　　以下是各个变量所代表的含义：cost购买二手车的成本；sellprice出售价格；p_bad坏车的概率；repair_bad1修理坏车的费用；repair_good1修理坏车的费用；guarantee保险的费用；discount保险公司垫付的修车费用比率；utmost保险公司全部支付修车费用的最大可能值；repair_bad2保险公司介入后，修理坏车的费用；repair_good2保险公司介入后，修理坏车的费用；c信息费。

　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0425/fontbr />　　（1）计算各个机会点（决策树中的叶子）的期望值。由于买保险后存在修车费用变化的问题，因此应先处理买保险后的修车费用值：
　　repair_bad2=repair_bad1’修理坏车的费用
　　If repair_bad2>=utmost Then‘如果维修费用多于最大可能值，那么全部垫付维修费用。
　　repair_bad2=0
　　Else‘否则按照垫付的修车费用比率重新计算
　　repair_bad2=repair_bad2*（discount/100）
　　End If
　　买坏车并且买保险可获得的收益值记为buyguarantee1
　　buyguarantee1=sellprice-cost-repair_bad2–guarantee
　　买好车并且买保险可获得的收益值记为buyguarantee2
　　buyguarantee1=sellprice-cost-repair_good2–guarantee
　　不买保险的情况下，修车费用不发生变化，采用原始给定值：
　　买坏车但不买保险可获得的收益值记为notbuyguarantee1
　　notbuyguarantee1=sellprice-cost-repair_bad1–guarantee
　　买好车但不买保险可获得的收益值记为notbuyguarantee1
　　notbuyguarantee2=sellprice-cost-repair_good1–guarantee
　　不买车的收益值为常数0
　　各个机会点的期望值是在其对应的收益值的基础上减去信息费用c。
　　（2）决策点评估使用的是最大值。算法实现即在若干个数中查找最大值，定义辅助变量max1，在0、buyguarantee1和notbuyguarantee1三者之中寻找最大值。
　　max1=0
　　if max1　　if max1　　同理，可找到0、buyguarantee2和notbuyguarantee2三个值中的最大者。
　　（3）计算机会点（决策树中的根）的期望值。根据公式U（L）=p·U（A）+（1－p）·U（B）得：
　　E=（p_bad/100）*max1+（1–p_bad/100）*max2
　　给出决策信息：利用准确信息的期望值和不买任何信息保险的决策点的值相减，所得值越大说明购买信息越有必要，值越小说明没有必要购买信息。
　　（三）系统运行界面（图3、图4）
　　当输入的前提条件发生改变时，对应决策树以及得出的结论都是相应改变的，如：将坏车的概率提高到0.3时，那么相比概率是0.2的前提，得出的决策就应该去买信息。（图5、图6）
　　五、结论
　　通过开发本系统，以及对本系统的应用，验证了决策树法直观明了，便于决策者快速分析风险和选择最佳方案，是现代企业管理中值得推广的一种分析方法。

　　主要参考文献：
　　[1]曹赛玉.几种决策概率模型在现实生活中的应用.理论与实践理论月刊，2006.5.
　　[2]全国选价工程师考师培训教材编写委员会.工程选价的确定与控制.中国计划出版社，2002.
　　[3]赵丽萍.决策树法在现代企业管理中的应用.科技咨询，2006.

　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0425/fontbr />