决策制定：不确定性下的理论与应用

"决策在不确定性下的理论与应用" 《决策在不确定性下》这本书由Mykel J. Kochenderfer及其合著者共同撰写，于2015年出版，它深入探讨了在面对不确定性的环境中如何进行有效决策的问题。书中涵盖了从自动化决策支持系统的设计到处理多目标平衡的多个方面，对这一主题提供了全面且深入的介绍。 作者们重点关注两种设计决策代理的方法：规划和强化学习。他们首先介绍了概率模型，包括贝叶斯网络，这是一种图形模型，能够捕捉变量之间的概率关系。接着，他们讨论了效用理论，这是一个理解在不确定性下最优决策的框架。此外，还讲解了马尔科夫决策过程（MDP），这是一种用于建模序列问题的方法。书中还涉及了模型不确定性、状态不确定性以及涉及多个交互代理的协作决策。 书中的应用案例展示了这些理论概念如何应用于实际系统，如基于属性的人搜索、语音应用、碰撞避免和无人驾驶飞机的持久监视。这些实例使读者能够理解如何将理论知识应用于实际工程和科学问题。 本书使用一致的符号统一了不同领域的研究，并适合已经具备概率论和微积分基础知识的工程学科，包括计算机科学、航空航天工程、电气工程和管理科学等领域的高级本科生和研究生作为教材。同时，对于跨学科的研究人员来说，这也是一本有价值的参考资料。 书中的贡献者包括William P. Delaney、Alan J. Fenn、Peter T. Hurst等，这本书是麻省理工学院林肯实验室系列的一部分。林肯实验室是一个联邦资助的研究和发展中心，致力于国家安全问题的先进技术应用。这个系列的书籍旨在延续自1947年至1953年间发布的MIT辐射实验室系列开创的知识分享传统，该传统强调将先进的研究成果公之于众。 通过阅读本书，读者将能深入理解如何在充满不确定性的环境中制定明智的决策，学习如何构建和应用复杂的决策模型来解决实际问题，从而提升在人工智能、自动控制和其他相关领域的专业技能。