《决策成本：解读决策中记忆、强化学习和神经连接的相互作用》166页博士论文

本论文回顾了决策领域的重要理论研究和实证研究成果，并提出了涉及决策各个方面的关键问题，如认知控制、动机、个体差异、记忆和计算建模等。为了解决这些问题，介绍了三项计算工作，旨在提高人们对 ACT-R 认知框架内决策过程的理解。第一项计算工作概述了认知工作分配的新框架，提出最佳认知控制是基于认知工作和收益之间的平衡。第二项研究确定了两种决策策略：基于记忆的决策策略和基于强化的决策策略，并揭示了个体对一种策略的偏好如何通过其静息态大脑连通性来预测。通过采用计算认知模型和机器学习模型，这项研究证明，前顶叶和记忆检索区域的连接性较强，对应于对基于记忆的策略的偏好，而感觉运动、扣带回和基底神经节区域的连接性较强，则预测了对基于强化的策略的偏好。这项工作从行为和神经功能数据两方面凸显了人类决策的适应性。最后，第三项计算研究调和了复杂决策任务中的两种主要学习方法，引入了一种将记忆检索和基于模型的强化学习（MB-RL）相结合的认知合理模型。这个综合模型连接了强化学习方面的既有研究成果，为决策中记忆和强化学习之间的平衡提供了见解，为人工智能和决策建模的进步铺平了道路。