UCP-网络：条件效用的有向图形表示
人工智能
2013-01-14 v1
摘要
我们提出了一种新的效用函数有向图形表示，称为UCP-网络，它结合了两种现有图形模型的方面：广义加性模型和CP-网络。该网络将效用函数分解为多个加性因子，弧的方向性反映了在“其他条件相同”解释下偏好陈述（在底层定性偏好排序中）的条件依赖。这种表示在许多设置中可以说是自然的。此外，强大的CP语义确保了优化和支配查询的计算非常高效。我们还展示了这种表示在决策中的价值。最后，我们描述了一个交互式启发过程，该过程利用了UCP-网络施加的“权衡权重”约束的线性性质。该过程允许网络被细化，直到具有最小最大遗憾的决策的遗憾（相对于不完全指定的效用函数）低于指定阈值（例如，进一步询问的成本）。
引用
@article{arxiv.1301.2259,
title = {UCP-Networks: A Directed Graphical Representation of Conditional Utilities},
author = {Craig Boutilier and Fahiem Bacchus and Ronen I. Brafman},
journal= {arXiv preprint arXiv:1301.2259},
year = {2013}
}
备注
Appears in Proceedings of the Seventeenth Conference on Uncertainty in Artificial Intelligence (UAI2001)