Metody uczenia w optymalizacji wieloetapowych procesów decyzyjnych

• Autorzy: Barski M. , Jędruch W.
• Języki publikacji: PL

Abstrakty

PL

Optymalizacja wieloetapowych procesów decyzyjnych jest zadaniem, w którym zbiegają się metody pochodzące pierwotnie z różnych dziedzin: rachunku wariacyjnego, algorytmów optymalizacji i metod uczenia maszynowego rozpatrywanych w sztucznej inteligencji. W niniejszej pracy podjęto próbę zestawienia różnych metod oraz podano wyniki optymalizacji przykładowego zadania z zastosowaniem algorytmów ewolucyjnych.

• Wydawca: Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
• Rocznik: 2003
• Tom: nr 2
• Strony: 665--674
• Opis fizyczny: Bibliogr. 6 poz., 6 rys., 1 tab.

Twórcy

autor

Barski M.

• Katedra Systemów Automatyki, Politechnika Gdańska

autor

Jędruch W.

• Katedra Systemów Automatyki, Politechnika Gdańska

Bibliografia

• [1] Bellman R., Dreyfus S.: Programowanie dynamiczne, PWE, Warszawa, 1967.
• [2] Cichosz P.: Systemy uczące się, WNT, Warszawa, 2000.
• [3] Jang J.S.R., Sun C.T., Mizutani E: Neuro-Fuzzy and Soft Computing, Prentice Hall, Upper Saddle River 1997.
• [4] Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne, WNT Warszawa 1996.
• [5] Russel S., Norvig P.: Artificial Intelligence, Prentice-Hall, London 1995.
• [6] Sutton R.S., Barto A.G.: Reinforcement Learning: An Introduction, MIT Press, Cambridge, MA, A Bradford Book, 1998.