Teori Keputusan dan Utilitas

Teori keputusan menggabungkan probabilitas hasil dengan utilitas numerik atas hasil tersebut untuk mendefinisikan dan menghitung pilihan rasional sebagai maksimisasi utilitas yang diharapkan.

Definition

Teori keputusan mempelajari bagaimana agen dengan keyakinan probabilistik dan preferensi yang dikodekan sebagai utilitas harus memilih di antara tindakan; jawaban normatifnya adalah memilih tindakan dengan utilitas harapan tertinggi.

Scope

Topik ini mencakup dasar-dasar pengambilan keputusan dalam ketidakpastian: teori utilitas dan aksioma yang membenarkan representasi preferensi oleh fungsi utilitas, prinsip utilitas harapan maksimum, jaringan keputusan (diagram pengaruh) yang menggabungkan simpul peluang, keputusan, dan utilitas, serta nilai informasi yang mengukur seberapa berharganya suatu observasi. Ini membahas bagaimana keputusan tunggal yang rasional dibingkai dan diselesaikan. Pengambilan keputusan sekuensial dari waktu ke waktu diperlakukan dalam proses keputusan Markov, dan interaksi strategis antar agen dalam sistem multi-agen.

Core questions

• Bagaimana preferensi rasional dapat direpresentasikan oleh fungsi utilitas numerik?
• Mengapa agen rasional harus memaksimalkan utilitas harapan?
• Bagaimana jaringan keputusan (diagram pengaruh) merepresentasikan dan menyelesaikan masalah keputusan?
• Bagaimana nilai perolehan informasi tambahan dihitung?

Key concepts

• fungsi utilitas
• preferensi dan lotere
• aksioma rasionalitas
• utilitas harapan maksimum
• jaringan keputusan (diagram pengaruh)
• simpul peluang, keputusan, dan utilitas
• nilai informasi
• sikap risiko

Key theories

Teori utilitas harapan

Di bawah serangkaian aksioma rasionalitas pada preferensi atas prospek yang tidak pasti, terdapat fungsi utilitas sedemikian rupa sehingga pilihan yang lebih disukai selalu merupakan pilihan dengan utilitas harapan tertinggi, memberikan dasar normatif untuk pengambilan keputusan dalam ketidakpastian.

Jaringan keputusan (diagram pengaruh)

Diagram pengaruh memperluas jaringan Bayesian dengan simpul keputusan dan simpul utilitas, menyediakan representasi grafis yang ringkas dari masalah keputusan yang kebijakan optimalnya dapat dihitung dengan inferensi probabilistik dan maksimisasi utilitas harapan.

Nilai informasi

Teori nilai informasi mengukur berapa banyak agen yang bersedia membayar untuk mengamati kuantitas yang tidak pasti sebelum memutuskan, dengan membandingkan utilitas harapan dengan dan tanpa observasi, membimbing kapan harus mengumpulkan lebih banyak bukti.

Clinical relevance

Metode berbasis teori keputusan mendukung analisis keputusan medis dan klinis, perencanaan otomatis pengumpulan informasi, sistem rekomendasi dan penetapan harga, serta desain agen otonom rasional, dengan menjelaskan bagaimana keyakinan dan preferensi yang tidak pasti digabungkan menjadi pilihan yang dapat dibenarkan.

History

Teori utilitas harapan diaksiomatisasi oleh von Neumann dan Morgenstern (1944) dan diberikan dasar probabilitas subjektif oleh Savage (1954). Teori nilai informasi Howard (1966) dan pengembangan diagram pengaruh selanjutnya membawa teori keputusan ke dalam AI sebagai kerangka kerja praktis untuk membangun agen pembuat keputusan yang rasional.

Key figures

• John von Neumann
• Oskar Morgenstern
• Leonard J. Savage
• Ronald A. Howard
• Ross D. Shachter

Seminal works

• vonneumann1944
• savage1954
• howard1966

Frequently asked questions

Apa prinsip utilitas harapan maksimum?

Prinsip ini menyatakan bahwa agen rasional yang menghadapi ketidakpastian harus memilih tindakan yang rata-rata utilitas tertimbang probabilitasnya atas hasil yang mungkin adalah yang tertinggi. Di bawah aksioma standar pada preferensi, prinsip ini secara unik mengkarakterisasi pilihan rasional.

Apa nilai informasi itu?

Nilai informasi adalah seberapa besar utilitas harapan agen akan meningkat jika ia dapat mengamati beberapa kuantitas yang tidak pasti sebelum memutuskan. Ini memberi tahu agen rasional kapan mengumpulkan lebih banyak bukti itu berharga dan kapan itu tidak akan mengubah tindakan terbaik cukup untuk membenarkan biayanya.