正确答案是：A、B、C。

### 专业分析

决策树是一种常用的机器学习算法，用于分类和回归任务。其关键之处在于如何选择最优的分裂属性，这通常通过启发式函数来实现。以下是几种常见的启发函数：

- **ID3（Iterative Dichotomiser 3）算法**：
- **启发函数**：最大化信息增益。
- **分析**：信息增益用于衡量某一属性在划分训练数据集时所带来的信息熵的降低。ID3算法倾向于选择具有较多离散值的属性，因为它会带来更高的信息增益，但这可能导致过拟合。

- **C4.5算法**：
- **启发函数**：最大化信息增益比。
- **分析**：C4.5改进了ID3，使用信息增益比来选取分裂属性，信息增益比是信息增益与自身熵的比值。此方法能更好地处理属性取值较多的情况，减轻过拟合的风险。

- **CART（Classification and Regression Trees）算法**：
- **启发函数**：最大化基尼指数（Gini）。
- **分析**：CART使用二元分裂（binary split）和基尼指数作为不纯度的度量方式。基尼指数用于衡量数据集的纯度，值越低代表数据集的纯度越高。CART能够同时用于分类和回归任务。

- **C4.0算法**：
- **分析**：不存在专门的C4.0算法，这可能是对C4.5的误写或误解。因此，D选项是不正确的。

### 总结

ID3通过最大化信息增益来选择分裂属性，C4.5则通过信息增益比进行优化，CART通过基尼指数进行选择。因此，正确答案为A、B、C。