5、决策选择与云计算机器学习性能分析

决策选择与云计算机器学习性能分析

1. 决策选择中的替代方案缩减

在决策过程中，从对替代方案进行反思（比较评估）到选择具体替代方案的转变时刻，决策情况的状态 (S_{sit}) 可以正式表示为所有待选决策变体的叠加。其中，决策函数 (D_i) 的常数由决策者（DM）通过启发式方法确定的实现操作目标的概率值 (P_i) 来充当，即：
(S_{sit} = \sum P_i D_i)

当决策者要将控制动作传递给控制对象时，会沿着反馈回路准备并发送特定消息 (S_C)，该消息会给出指令，让控制对象根据环境状态过渡到所需状态。需要强调的是，决策者在分析情况和生成决策过程中合成的信息并不会被传递，消息 (S_C) 的内容（其所携带的命令信息）是选择的结果，是决策者思想的精髓，控制对象仅会收到使其过渡到目标状态的特定命令。

可以假设，在决策时刻，决策者实际上进行了一次测量（评估实现所需目标效果的概率），随后从思考替代方案的偏好过渡到行动，即向控制对象发送与所选决策相对应的控制动作。决策者确定的能提供实现操作目标最高概率的唯一替代方案，在这里充当“可测量”的对象。

选择这样一个解决方案的结果是将替代方案集缩减为具有特定可观察后果的单一解决方案：
(K{\sum P_i D_i} \to D_{opt})

这与波函数的缩减有明显的形式类比。然而，与冯·诺依曼缩减（量子系统波函数的坍缩）不同，决策者对决策情况的描述（模型）以及相应决策的选择并非瞬间完成，而是在有限的时间段内进行的。因此，可以认为这里发生的是一个真实的过程，而不仅仅是使用数学方法来描述现象。

在扩展的玻尔互补性原理框架内，寻找某种思想的语言等价物类似于对