Dynamické rozhodování

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra matematiky

Anotace:

Požadavky:

Základy matematické analýzy, statistiky a algebry, angličtina; teorie řízení výhodou

Osnova přednášek:

Osnova

1. Rekapitulace dynamického rozhodování (DR) za neurčitosti a neúplné znalosti.

2. Distribuované rozhodování jako univerzální způsob řešení složitosti.

3. Rozhodovací úlohy vyvolané distribuovaným DR (spolupráce, vyjednávání).

4. Pokročilé způsoby získávání znalostí.

5. Pokročilé způsoby získávání preferencí.

6. Přenos znalostí a líné učení (lazy learning).

7. Respektování osobnostních rysů nebo emocí lidských rozhodovaců.

8. Případové studie týkající se PhD témat zapojených studentů.

Osnova cvičení:

Cíle studia:

Kurz vede k pochopení dynamického rozhodování za neurčitosti a s ním spjatých nástrojů. Student se naučí formulovat rozhodovací úlohy a řešit je. Kurz uvádí též základy plně pravděpodobnostního návrhu, který netriviálně rozšiřuje standardní bayesovské rozhodování. Kurz poskytuje ucelený pohled na stochastickou filtraci a dynamické programování společně s realizovatelnou konstrukcí potřebných pravděpodobnostních prvků včetně těch nutných při rozhodování s více účastníky. Látka je ilustrována příklady reálného využití.

Studijní materiály:

[1] M. Kárný, J. Bohm, T.V. Guy, L. Jirsa, I. Nagy, P. Nedoma, and L. Tesař. Optimized Bayesian Dynamic Advising: Theory and Algorithms. Springer, London, 2006.

[2] M. Kárný and T.V. Guy. Fully probabilistic control design. Systems & Control Letters, 55(4), 2006.

[3] M. Kárný and T.V. Guy. On support of imperfect Bayesian participants. In: T.V. Guy, M. Kárný, and D.H. Wolpert, Eds, Decision Making with Imperfect Decision Makers, volume 28, Springer, Berlin, 2012.

[4] M. Kárný and T. Kroupa. Axiomatisation of fully probabilistic design. Information Sciences, 186(1), 2012.

Poznámka:

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: