机器学习是人工智能中不可或缺的组成部分,近十年来得到越来越多研究者的青睐并且蓬勃发展,其中决策树因其简单易用且具有良好的可解析性成为机器学习经典的算法之一。然而最优决策树的归纳是NP完全问题,已有研究表明优化决策树归纳过程中的每一个树结点并不等价于优化整个决策树结构。目前决策树归纳算法大都采用贪心搜索策略,只考虑当前划分的信息增益,容易陷入局部最优,其次,在计算结点不纯度的过程中,信息增益等划分准则引进了样本分布的先验概率,使得决策树在处理不平衡数据时因偏向多数类而失效。此外,决策树模型容易产生过拟合,通常需要利用集成学习方法将多个树模型组合成决策森林以提高算法的泛化能力和鲁棒性。为解决贪心搜索策略容易使决策树归纳算法陷入局部最优的缺陷,本文提出了一种以最大化长期收益为目标,基于深度强化学习的决策树归纳框架DRLDT。DRLDT将决策树的归纳过程抽象为马尔可夫决策过程,利用树卷积将提取的树结构信息作为状态输入,把结点的表示与参数化动作空间相对应,最后使用已有的深度强化学习算法求解最优树结构的归纳策略。此外,为了能够灵活处理平衡数据和不平衡数据,DRLDT利用模型评估指标设计了奖励函数。在DRLDT基础上,本文提出了两种决策树归纳算法:MP-DQN-DT和Hybrid-SAC-DT。同时,本文在集中式训练分散式执行（CTDE）框架下将Hybrid SAC算法扩展到多智能体系统中得到MA-H-SAC算法,提出了一种基于MA-H-SAC的决策森林归纳算法MA-H-SAC-DF,其基分类器由一组智能体在一个共同目标下合作生成,是一种不同于Bagging、Boosting和Stacking的全新的集成学习策略。实验表明,本文提出的MP-DQN-DT算法在平衡数据和不平衡数据两种情况下分类性能均超过现有决策树归纳算法,Hybrid-SAC-DT算法在不平衡数据集下分类性能超过现有的决策树归纳算法,并且在平衡数据上的表现与后者相当。同时,本文提出的MA-H-SAC-DF决策森林归纳算法在不平衡数据上分类性能超过随机森林、Adaboost和梯度提升树,在平衡数据上的分类性能不亚于后者。