مبانی عامل‌های تصمیم‌گیرنده ۲۰۰۸
Foundations of Decision-Making Agents 2008

این کتاب خودآموز، سه رویکرد اساسی و عمومی (منطقی، احتمالی و وجهی) را برای نمایش و استدلال درباره‌ی وضعیت‌های شناختی عامل‌ها، به ویژه در زمینه‌ی تصمیم‌گیری، ارائه می‌دهد. هر یک از این رویکردها را می‌توان برای ساختن عامل‌های نرم‌افزاری هوشمند به منظور تصمیم‌گیری به کار برد و بدین ترتیب، پایه‌های محاسباتی برای عامل‌های تصمیم‌گیرنده را بنا نهاد. علاوه بر این، کتاب حاضر، یکپارچگی رسمی این سه رویکرد را در یک رویکرد واحد معرفی می‌کند که مزایای هر سه رویکرد را با هم ترکیب می‌کند. در نهایت، رویکرد استدلالی نمادین برای تصمیم‌گیری که در این کتاب توسعه یافته و منطق و احتمال را با هم ترکیب می‌کند، مزایای متعددی نسبت به رویکرد سنتی تصمیم‌گیری دارد که مبتنی بر سیستم‌های خبره ساده‌ی مبتنی بر قانون یا نظریه‌ی مطلوبیت مورد انتظار است.

فصل نمونه: فصل اول: مدل‌سازی وضعیت‌های شناختی عامل: مروری غیررسمی (202 کیلوبایت).

فهرست مطالب: مدل‌سازی وضعیت‌های شناختی عامل: مروری غیررسمی؛ مقدمات ریاضیاتی؛ منطق کلاسیک برای مدل شناختی گزاره‌ای؛ برنامه‌نویسی منطقی؛ قوانین منطقی برای تصمیم‌گیری؛ شبکه‌های اعتقادی بیزی؛ نمودارهای نفوذ برای تصمیم‌گیری؛ منطق وجهی برای مدل شناختی دنیای ممکن؛ استدلال نمادین برای تصمیم‌گیری.

مخاطبان: دانشجویان کارشناسی و کارشناسی ارشد رشته‌های هوش مصنوعی، متخصصان کامپیوتر و محققان حوزه‌ی علم تصمیم.

This self-contained book provides three fundamental and generic approaches (logical, probabilistic, and modal) to representing and reasoning with agent epistemic states, specifically in the context of decision making. Each of these approaches can be applied to the construction of intelligent software agents for making decisions, thereby creating computational foundations for decision-making agents. In addition, the book introduces a formal integration of the three approaches into a single unified approach that combines the advantages of all the approaches. Finally, the symbolic argumentation approach to decision making developed in this book, combining logic and probability, offers several advantages over the traditional approach to decision making which is based on simple rule-based expert systems or expected utility theory. Sample Chapter(s). Chapter 1: Modeling Agent Epistemic States: An Informal Overview (202 KB). Contents: Modeling Agent Epistemic States: An Informal Overview; Mathematical Preliminaries; Classical Logics for the Propositional Epistemic Model; Logic Programming; Logical Rules for Making Decisions; Bayesian Belief Networks; Influence Diagrams for Making Decisions; Modal Logics for the Possible World Epistemic Model; Symbolic Argumentation for Decision Making. Readership: Undergraduates and graduates majoring in artificial intelligence, computer professionals and researchers from the decision science community.