В этой главе показано, как должен принимать решения агент, чтобы получать то, что ему требуется, по крайней мере в среднем количестве случаев.

В данной главе мы вернемся к идее теории полезности, которая была представлена в главе 13, и покажем, как можно объединить эту теорию с теорией вероятностей, чтобы создать агента, действующего на основе теории решений, т.е. агента, способного принимать рациональные решения с учетом того, в чем он убежден и к чему стремится. Такой агент может принимать решения в таких ситуациях, когда из-за неопределенности и конфликтующих целей логический агент остается неспособным что-либо решить. По существу, агент, основанный на цели, может лишь проводить бинарное различие между хорошими (целевыми) и плохими (нецелевыми) состояниями, тогда как агент, основанный на теории решений, пользуется непрерывными показателями качества состояния.

В разделе 16.1 изложен основной принцип теории решений— максимизация ожидаемой полезности. В разделе 16.2 показано, что поведение любого рационального агента можно понять, определив функцию полезности, которую он максимизирует. В разделе 16.3 более подробно обсуждаются характерные особенности функций полезности и, в частности, то, как они связаны с отдельными величинами, такими как деньги. В разделе 16.4 показано, как обращаться с функциями полезности, которые зависят от нескольких величин. В разделе 16.5 описана реализация систем принятия решений. В частности, в этом разделе описан формальный подход, называемый сетями принятия решений (известный также под названием диаграмм влияния); такие сети являются дополнением байесовских сетей, в которое включены действия и показатели полезности. В оставшейся части этой главы рассматриваются проблемы, связанные с применением теории решений в экспертных системах.