今天就开通帐号，24,700 门业界名师课程任您挑！
基于效用的代理
基于效用的代理， 关注如何最大化特定目标的价值或效用。 效用可以指任何事， 比如最大化利润或最小化能耗。 这类代理不仅会预测结果， 还会计算每种结果的潜在效用， 从而确定在具体情况下的最佳行动， 来实现最大价值。 与基于目标的代理不同， 基于效用的代理没有特定目标。 相反， 它会用一组预先定义的标准来代表目标， 寻找实现特定效用的最佳解决方案。 这些标准， 还可以用来评估不同行动 实现不同目标的效果。 这类代理 在任务优先级排序、资源与预算分配方面 表现出色， 可以提高效率和资源利用。 它的应用例子包括管理投资组合； 分配营销预算； 项目优先级排序或库存管理。 它也可以优化时间等资源。 比如说，在排班时， 它会考虑到休假申请、工作要求和可用技能等 来最大化价值。 它还可以选择产品功能或供应商， 并按一定标准来优化这些选择， 确保这些选择能满足客户的支付意愿。 这类代理还能从环境中学习， 从而得到更可靠的结果。 由于其灵活性， 它们在动态环境中也特别出色， 可以根据新信息或情况变化，来调整决策， 还能根据特定偏好或约束条件， 来定制决策和策略， 实现价值最大化的个性化方案。 如果需要经常优化和排序资源、 日程或投资组合， 在使用这类代理时， 一定要确保能够定义和衡量价值， 并且有可靠的数据来源。 和其它代理一样， 基于效用的代理也有局限性。 最主要的就是依赖于对价值的准确定义。 如果没有把握对目标， AI 代理就会给出次优结果。 在目标可以明确量化和衡量时效果最好。 另外，在进行价值计算时， 需要完整准确的信息。 譬如， 工作排班优化代理， 需要收集所有员工的排班请求， 缺少一个人的信息，都没法优化排班。 最后，开发和微调这些价值计算和决策模型， 可能会很复杂耗时，消耗大量计算资源。 接下来看看可以解决很多问题的代理类型， 也就是基于学习的代理。
下载课程离线学习
下载课程到移动设备，轻松离线学习。在领英学习 iOS 或安卓版 APP 下载课程