Please use this identifier to cite or link to this item: http://repositorio.ineel.mx/jspui/handle/123456789/28
Representación y aprendizaje de procesos de decisión de Markov cualitativos
LUIS ENRIQUE SUCAR SUCCAR
Pablo H. Ibarguengoytia
ALBERTO REYES BALLESTEROS
Acceso Abierto
Tesis de doctorado
Español
Nov-2006
Se propone una técnica de representación de MDPs abstractos para simplificar espacios de estados muy grandes, que puede resolverse con métodos estándar de programación dinámica. Dado que esta técnica está basada en restricciones cualitativas impuestas por características (ó factores) propias del mismo problema de decisión, la hemos llamado MDPs cualitativos. Aun cuando el método de representación resulta novedoso y fácil de implementar, la especificación manual del modelo de decisión abstracto y sus parámetros puede volverse impráctica. En este trabajo, tal modelo se aproxima usando algoritmos de aprendizaje automático donde, a partir de un conjunto de datos de muestreo, se aprende una abstracción inicial del espacio de estados, y un modelo de transición sobre esta abstracción. La solución de este MDP abstracto inicial es una política de acción que en general es satisfactoria, sin embargo, para los casos donde ésta resulte insuficiente, se puede aplicar una segunda fase donde la solución es detallada o refinada.
http://amoxatli.ineel.mx:8080/jspui/handle/123456789/28
Appears in Collections:Tesis Doctorales

Files in This Item:


File Description SizeFormat 
representacion-y-aprendizaje-de-procesos-de-decision-de-markov-cualitativos.pdfTesis de doctorado.1.58 MBAdobe PDFView/Open
autorizacion-de-depositos.pdfAutorización de Depositos505.85 kBAdobe PDFView/Open