一种基于决策树的决策分析系统实现方式

　　（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.