第 16 章聚焦于单步决策（一次性决策），在不确定性下利用效用理论和决策网络进行理性选择。核心内容如下：

效用基础

• 效用函数将状态映射为实数，表示智能体对该状态的偏好
• 最大期望效用（MEU）原则：智能体应选择使期望效用最大的动作
• 理性决策的基本公式：MEU = maxₐ Σₛ P(s|a) U(s)

决策网络（影响图）

一种贝叶斯网络的扩展，包含三类节点：

• 机遇节点（圆形）：随机变量
• 决策节点（矩形）：智能体可选择的动作
• 效用节点（菱形）：表示效用函数，父节点为影响效用的变量

对每个决策策略，计算期望效用以评价网络。

效用函数的设计

• 序数效用（仅排序）与基数效用（可比较差值）
• 货币效用：钱与效用的关系（风险偏好：风险中性、风险厌恶、风险寻求）
• 多属性效用函数：分解为加法或乘法形式，通过独立性假设简化评估
• 偏好独立、效用独立等概念

信息价值

• 完全信息价值（VPI）：获取某个变量的确切信息后决策所能带来的期望效用增益
• VPI 永远非负，且非可加性（两个信息合起来的价值可能小于分别价值之和）
• 用于决定是否值得收集额外信息