Algoritmický výběr dosažitelných preferencí

0532021 - ÚTIA 2021 CZ cze V - Výzkumná zpráva
Siváková, Tereza - Kárný, Miroslav
Algoritmický výběr dosažitelných preferencí.
[Algorithmic Selection of Feasible Preferences.]
Praha: ÚTIA AV ČR, 2019. 39 s. Research Report, 2384.
Grant CEP: GA MŠMT(CZ) LTC18075
Institucionální podpora: RVO:67985556
Klíčová slova: decision-making * probabilistic policies * quantification of aims
Kód oboru RIV: BC - Teorie a systémy řízení
http://library.utia.cas.cz/separaty/2020/AS/karny-0532021.pdf

Tato bakalářská práce se zabývá teorií optimálního rozhodování pro diskrétní markovský rozhodovací proces z hlediska volby preferencí. Za pomoci plně pravděpodobnostního návrhu, který zavádí tzv. ideální distribuci chování, která přiřazuje vysoké hodnoty pravděpodobnosti preferovanému chování a malé hodnoty pravděpodobnosti nežádoucímu chování, se hledá optimální rozhodovací politika. Tato práce obsahuje návod k nalezení optimální ideální distribuce chování a přináší obecnější řešení než řešení dosud známá. Dále přidává možnost respektování další preference, a to na volbu akcí. Vlastnosti výsledného rozhodování jsou ilustrovány simulačními experimenty.

This bachelor’s thesis studies the optimal decision making for a discrete Markov decision process with a focus on preferences. By using a fully probabilistic design that introduces the so-called ideal behavior distribution, which has high probability values of preferred behaviors and small probability values of inappropriate behaviors, an optimal decision policy has been found. The thesis constructs an algorithm for selecting the optimal ideal behavior distribution and provides a more general solution than published ones. The thesis also opens a possibility to specify further preferences on selected actions. Properties of the resulting decision making are illustrated on simulated examples.
Trvalý link: http://hdl.handle.net/11104/0310634