基于目标的 Agent 和基于效用的 Agent 的伪代码 Agent 程序

基于目标的Agent主要关注于达到特定的目标状态，通常适用于目标明确且可预测的环境。它会选择一系列动作，这些动作能够将环境从当前状态转移到目标状态。

伪代码示例：

class GoalBasedAgent {
    function run() {
        while (当前状态 != 目标状态) {
            动作 = selectAction(currentState);
            执行动作;
            当前状态 = 更新环境状态(动作);
        }
    }

    function selectAction(state) {
        // 选择一个动作，这个动作将带领环境状态朝向目标状态
        return 选择一个最优动作;
    }
}

基于效用的Agent则关注于最大化其效用函数的值，它评估每一种可能的结果，并选择使效用最大化的行动方案，适用于那些结果不确定或者需要权衡多个因素的环境。

伪代码示例：

class UtilityBasedAgent {
    function run() {
        while (需要行动) {
            动作 = chooseBestAction();
            执行动作;
            更新环境状态;
        }
    }

    function chooseBestAction() {
        最大效用 = -无穷大;
        最优动作 = 空;
        对于每一个可能的动作 {
            假设状态 = 假设执行动作后的状态;
            当前效用 = 计算效用(假设状态);
            如果 当前效用 > 最大效用 {
                最大效用 = 当前效用;
                最优动作 = 动作;
            }
        }
        返回 最优动作;
    }
}