具有正负特征的决策的定性比较
人工智能
2014-01-16 v1
摘要
做出决策通常涉及列出并比较正面与负面论据。在此类情况下，决策的评估标度应被视为双极的，即应明确区分负值与正值。例如，累积前景理论即如此处理。然而，与后者预设真实数值评估的框架相反，人类智能体通常基于对正反面论据的序数排序，并聚焦于最显著的论据来做出决策。换言之，该决策过程既是定性的也是双极的。在本文中，基于可能性理论的双极扩展，我们定义并在公理上刻画了几种适用于在序数设置下联合处理正负论据的决策规则。最简单的规则可视为极大极小与极大极大准则向双极情形的扩展，因此存在决策力较弱的缺陷。我们还提出了细化前者的更具决策力的规则。这些细化既符合有效性原则，也符合定性决策理论中占主导地位的量级阶推理精神。最精细的决策规则使用了正反面论据的 leximin 排序，以及计数等强度论据和用反面论据抵消正面论据的思想。结果表明，该规则可归约为累积前景理论的一个特例，并涵盖了认知心理学家所研究的“采取最佳”启发式。
引用
@article{arxiv.1401.3444,
title = {On the Qualitative Comparison of Decisions Having Positive and Negative Features},
author = {Didier Dubois and Hélène Fargier and Jean-François Bonnefon},
journal= {arXiv preprint arXiv:1401.3444},
year = {2014}
}