游戏开发中,这些决策机制,实际上也能用到其他领域,日常生活中,军事等,游戏只是其的一种领域.
这些决策机制,实际上和大部分人的日常行为脱不开关系.
熵权法：在战略游戏中，熵权法就像是根据不同兵种的战斗力不确定性来分配资源，战斗力越稳定的兵种（信息熵低）获得的资源（权重）越多。
TOPSIS：在游戏中，TOPSIS就像是选择最佳进攻路线，既要靠近敌军基地（正理想解），又要远离可能的陷阱和伏击（负理想解）。
加权和模型（加权评分法）：这就像是游戏中的英雄升级，每个技能（属性）根据其对战斗的重要性（权重）来分配点数，以最大化英雄的整体战斗力。
层次分析法（Analytic Hierarchy Process, AHP）：在战略游戏中，层次分析法就像是评估不同战略选项，首先确定经济、军事、外交等大方向的重要性，然后再细化到具体行动。
数据包络分析(Data Envelopment Analysis, DEA）：这就像是评估不同玩家的基地效率，看哪个玩家能在相同的资源投入下产出更多的战斗单位。
主成分分析（Principal Component Analysis, PCA）：在游戏中，主成分分析就像是分析战斗数据，找出影响胜利的最关键因素（如单位类型、地形等），然后集中精力优化这些因素。
多属性效用理论(Multi-Attribute Decision-Making)：这就像是根据玩家的游戏风格（偏好）来选择英雄和战术，以最大化个人的游戏体验（效用）。---和加权和模型似乎一样.
灰色关联度分析（Grey Relational Analysis, GRA）：在游戏中，这就像是分析敌军行动模式，通过观察敌军的小规模活动（灰色信息）来预测其大部队的动向。
模糊综合评价法（Fuzzy Comprehensive Evaluation, FCE）：这就像是评估游戏中的不确定性因素，如天气或地形，虽然信息不明确，但仍然可以根据模糊的线索做出最佳决策。---模糊算法.
折衷妥协VIKOR法：在战略游戏中，VIKOR法就像是平衡攻击和防守，寻找既能有效进攻敌军弱点，又能确保自己基地安全的策略。
深度学习：这就像是培养一名高级指挥官，他不仅从自己的战斗经验中学习，还能从大量的历史战斗数据中学习复杂的战术和策略，以做出更精准的决策。
