完美信息与样本信息对决策中模糊效用的影响

在本文中，我们首先考虑一个贝叶斯框架，并用模糊随机变量对“效用函数”进行建模。在此模型基础上，我们定义了与每个行动相关的“先验（模糊）期望效用”，以及相应的“给定来自随机实验的样本信息的后验（模糊）期望效用”。本文旨在分析样本信息如何影响期望效用。通过这种方式，利用一些模糊偏好关系，我们得出结论：样本信息使决策者平均而言能够提高期望效用。期望效用价值的上界出现在决策者拥有完美信息时。通过两个例子展示了本工作在人工智能领域的应用。