Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 3 Stimmen.
Sequential Decision Analytics and Modeling: Modeling with Python
Sequentielle Entscheidungsprobleme treten in praktisch jedem menschlichen Prozess auf. Sie erstrecken sich auf die Bereiche Finanzen, Energie, Verkehr, Gesundheit, elektronischer Handel und Versorgungsketten und umfassen reine Lernprobleme, die in Labor- oder Feldexperimenten auftreten.
Sie umfassen sogar Suchalgorithmen zur Maximierung unsicherer Funktionen. Eine wichtige Dimension jeder Problemstellung ist die Notwendigkeit, Entscheidungen unter Berücksichtigung verschiedener Formen von Unsicherheit und sich entwickelnden Informationsprozessen zu treffen. Warren B.
Powells Arbeiten zu sequentiellen Entscheidungsproblemen begannen in den 1980er Jahren und erstreckten sich auf die Bereiche Eisenbahn, Energie, Gesundheit, Finanzen, E-Commerce, Lieferkettenmanagement und sogar Lernen für die Materialwissenschaft. Seine Arbeit an einem breiten Spektrum von Problemen machte deutlich, wie wichtig es ist, eine Vielzahl von Methoden zu verwenden.
Dabei erkannte er, dass jedes sequentielle Entscheidungsproblem mit Hilfe eines einzigen universellen Rahmens modelliert werden kann, der die Suche nach Methoden zur Entscheidungsfindung beinhaltet. Das Ziel dieses Buches ist es, den Lesern zu vermitteln, wie man ein sequentielles Entscheidungsproblem angeht, modelliert und löst. Zu diesem Zweck wird ein Modellierungsrahmen, der jedes sequentielle Entscheidungsproblem darstellen kann, anhand von Beispielen veranschaulicht.
Er befasst sich mit der Herausforderung, Methoden, so genannte Policies, für die Entscheidungsfindung zu entwerfen, und beschreibt vier Klassen von Policies, die insofern universell sind, als sie jede Methode abdecken, die verwendet werden könnte, sei es aus der akademischen Literatur oder in der Praxis verwendete Heuristiken. Dies bedeutet zwar nicht, dass jedes Problem sofort gelöst werden kann, aber der Rahmen hilft, die in der akademischen Literatur zu beobachtende Tendenz zu vermeiden, sich auf enge Klassen von Methoden zu konzentrieren.