面向价值优化的半近视感知规划
人工智能
2009-06-18 v1
摘要
我们考虑以下序贯决策问题：给定一组效用未知的项，需要从中选择一个尽可能高价值的项（“选择问题”）。允许在选择前以已知成本对项值进行测量（可能带有噪声）。目标是优化测量和选择的整体序贯决策过程。信息价值（VOI）是一种广为人知的测量选择方案，但该问题的难解性通常导致使用近视VOI估计。在选择问题中，近视VOI经常严重低估信息价值，从而导致较差的感知规划。我们将严格的近视假设放宽为一种称为半近视的方案，提供了一系列可改善感知规划性能的方法。特别地，我们提出了可高效计算的“蒙蔽”VOI方法，并检验了特殊情况下的理论界限。在项值服从正态分布的选择问题中对“蒙蔽”VOI的实证评估表明，其性能远优于纯近视VOI。
引用
@article{arxiv.0906.3149,
title = {Semi-Myopic Sensing Plans for Value Optimization},
author = {David Tolpin and Solomon Eyal Shimony},
journal= {arXiv preprint arXiv:0906.3149},
year = {2009}
}
备注
9 pages, 4 figures, presented at BISFAI 2009