计算机在决策时主要依赖于算法和模型，这些算法和模型可以帮助它们在信息不全、资源有限且充满不确定性的情况下做出最优决策。以下是计算机决策的几个关键方面：
零信息博弈
计算机在信息不全的情况下，采用零信息博弈的概念来决定最佳决策时机。最佳决策点通常出现在总决策时间的37%处。例如，如果在一个月内决定买房，那么最佳决策时间是第十一天。在此之前，计算机只是观察，直到第十一天，若发现比之前更好的房子，就出手。
最优缓存策略
计算机在处理任务时，通常先完成耗时最短、最简单的任务，从而腾出更多的缓存空间，来解决更为复杂的问题。这种策略与人类大脑的缓存机制相似，可以提高决策效率。
客观数据运算
计算机通过客观的数据运算来抓住最佳决策时机。在信息非常稀缺的前提下，计算机分析潜在情况，做出最佳的判断时机。最佳决策点是通过计算得出的，而不是凭直觉或经验。
决策支持系统
决策支持系统（DSS）是一种涉及计算机、软件和数据的信息系统，旨在为决策者提供信息和分析工具，辅助其进行决策。DSS结合模型和算法，能够为企业提供不同层次和类型的决策支持，包括数据收集和分析、情景模拟、决策评估和风险管理等。
人工智能和机器学习
人工智能和机器学习在计算机辅助决策和商务分析中扮演重要角色。AI模拟人类的智能行为和思维过程，而ML通过让计算机学习和改进自身的能力，来实现智能化的分析和决策。这两种方法可以帮助企业处理复杂的数据和情景，解决决策中的各种问题，提高决策水平和效率。
状态理解与推理
计算机智能体在获得感知数据后，会进行状态理解和推理，从而理解环境的当前状态。通过应用先前学习的知识或使用特定的推理算法，智能体可以对感知数据进行解释和分析，并生成对环境状态的认知。然后，基于对环境状态的理解，智能体进行决策制定，评估不同的选项和策略，并选择最佳的行动方案。
行动执行与反馈
一旦决策制定完成，计算机智能体将执行相应的行动。通过行动模块，智能体可以与环境进行交互，并改变环境状态。执行结果会反馈给计算机，以便进行进一步的优化和调整。
综上所述，计算机的决策过程是通过算法和模型来处理和分析信息，从而在复杂和不确定的情况下做出最优决策。这些方法不仅提高了决策的效率，还增强了决策的准确性和科学性。