什么是算法决策理论

决策是对未来的方向、目标以及实现途径做出决定的过程。它是指个人或集体为了达到或实现某一目标，借助一定的科学手段和方法，从若干备选方案中选择或综合成一个满意合理的方案。决策理论已经渗入到了生产、经济、工程和军事等各个领域中。例如在电子信息系统中，由于作战具有多目标、多批次、多方向、空海潜立体战的攻击形式的特点，攻击的隐蔽性、突然性、破坏性都比过去大为增强，这就要求决策系统发挥更加重要的作用:参战舰艇能尽早发现敌方目标;对来自各传感器的目标信息，能迅速进行识别、分类和决策，并向指挥员提供清晰、全面的作战态势;协助指挥员迅速、准确地确定作战决策方案，以控制各种武器打击目标。

目前，常见的决策支持算法为单目标决策方法、单人多目标决策模型和多目标群决策模型等。但是，它们都存在着一些缺点:单目标决策方法主要处理结构化问题，对于大多数的半结构化问题和非结构化问题难以发挥作用。单人多目标决策模型提出了在多目标下的决策支持理论，然而，在实际应用中很难将多个决策者之间的偏好结构反映到多目标决策模型中，特别是多个决策者之间存在相互冲突的偏好结构时更是如此。多目标群决策模型可以解决存在精确偏好问题的决策，但当得到的部分信息模糊，或偏好信息不精确时，此模型将无能为力。综合上面分析可以得到，需要找到一种决策支持算法，可以包含目前出现的各种信息决策情况。

将模糊集理论引入到多目标决策方法中，将两者相结合，可以有的放矢地解决上面提出的问题。

首先，可以行之有效地解决半结构化或非结构化问题。
其次，可以很好地解决多个决策者知识、偏好不完全一致的情况。
第三，引入模糊集理论，可以有效解决决策过程中出现的许多随机不确定模糊信息。
第四，将模糊集理论引入多目标决策当中，更符合电子信息系统的实际情况。

决策树分类法己被应用于许多分类问题，但应用于遥感分类的研究成果并不多见。决策树分类法具有灵活、直观、清晰、强健、运算效率高等特点，在遥感分类问题上表现出巨大优势。本文以广东省广州市从化地区的SPOT5卫星遥感影像为研究对象，基于决策树分类算法在遥感影像分类方面的深厚潜力，探讨了6种不同的决策树算法—包括单一决策树模(CART，CHAIR，exhaustive，QUEST和组合决策树模型(提升树，决策树森林)。首先对决策树算法结构、算法理论进行了阐述，然后利用这些决策树算法进行遥感土地覆盖分类实验，并把获得的结果与传统的最大似然分类和人工神经元网络分类进行比较。

基于决策树分类算法在遥感影像分类方面的深厚潜力,探讨了3种不同的决策树算法(UDT、MDT和HDT).首先对决策树算法结构、算法理论进行了阐述:具体利用决策树算法进行遥感土地覆盖分类实验,并把获得的结果与传统统计分类法进行比较.研究表明,决策树分类法相对简单、明确,分类结构直观,有诸多优势.