|
Revision 1103, 3.3 kB
(checked in by zimamiro, 14 years ago)
|
|
|
| Line | |
|---|
| 1 | V technick�raxi, stejn�ako b���ivot�jsme nuceni d�t rozhodnut�A� u� se jedn� ��� linky �hled� optim�� spojen�ezi dv� m�y, na�e rozhodnut�ych�j�e znalost�kter� sv� m�. Chceme-li �it �n�ozhodnut�je t�vy� dv�lohy: 1) ��kt co nejl� poznat a 2) dos�out c�, kter� si vyty�i. Tyto dva � jsou v�ak v�inou v rozporu: syst�se nejl� pozn�kdy� se nechov�odle na�ich po�adavk�re��sv� nav�existuj��dn�evy, poruchy a nep�dan�ituace, kter�ednotn�az�neur�ost�Tato skute�st zp�je, �e na�e znalost syst� nen�ikdy dokonal� |
|---|
| 2 | |
|---|
| 3 | Za �m ��yst�, kter�sou bu�atolik slo�it��e jejich deterministick�s je nemo�n�o obsahuj��dn�rvky ji� ze sv�odstaty, vzniklo stochastick��n�nebo-li optim���n�a neur�osti. C�m stochastick� ��e minimalizovat velikost odchylek syst� od po�adovan� stavu optimalizac��c� z�h� |
|---|
| 4 | Jeden z p�p�e�en�ohoto prob� je dynamick�rogramov�, kter�avrhl americk�matik Richard Bellman \cite{bellman1957dynamic}. Jedn�e o metodu, kter� vyu�it�zp�� chodu minimalizuje hodnotu o��n�t�v�unkce. |
|---|
| 5 | |
|---|
| 6 | P�aplikace tohoto postupu je v�ak bohu�el i u pom��ednoduch�a� komplikov� slo�itost��. K ��lohy je proto vhodn�o��aproxima�ch metod. |
|---|
| 7 | |
|---|
| 8 | V �edes�ch letech 20. stolet�avrhl Alexander Aronovich Feldbaum ��ou�it�takzvan� du�� ��cite{feldbaum1965optimal}. Hlavn�y�lenkou tohoto p�pu bylo, �e ��us�ejen minimalizovat aktu��tr�, ale rovn�mus��at o syst� co nejv� informac�ro minimalizaci budouc� ztr� |
|---|
| 9 | |
|---|
| 10 | Dal�� mo�n�roxima�ch metod je pou�it�tochastick�terativn�proximace ��To spo�� pou�it�terativn� dynamick� programov� a simula� metody Mante Carlo. Tento p�p byl pops�v �nku \cite{thompson2005stochastic}. Podstatou algoritmu je hled� ��lohy dynamick� programov� iterativn�za pou�it�etody Monte Carlo pro simulaci neur�osti v syst�. |
|---|
| 11 | |
|---|
| 12 | Tato bakal�k�r� si klade n�eduj� c� |
|---|
| 13 | \begin{itemize} |
|---|
| 14 | \item Formulace � stochastick� ��\item ��en�lohy stochastick� �� aditivn�tr�uvou funkc�omoc�ynamick� programov� |
|---|
| 15 | \item Formulace � stochastick� �� ne�m pozorov�m a jej��en�a � s �mi znalostmi syst� |
|---|
| 16 | \item P�aven��er�boptim�� p�p�loze stochastick� ��\item Aplikace a porovn� zm�n�tod k nalezen�ptim��trategie na jednoduch�syst� |
|---|
| 17 | \item Na z�ad��an�sledk�kutovat v�a nev�algoritmu a jeho pou�itelnost p�likaci na dal��lohy. |
|---|
| 18 | \end{itemize} |
|---|
| 19 | |
|---|
| 20 | C�m pr� je sezn�n�e s probl�, kter�proximativn�e�en�lohy stochastick� ����P�em je pak vytvo�konkr��mplementace algoritmu stochastick� iterativn� dynamick� programov� a jeho srovn� s jin�goritmy. To umo�� z�at p�d o kladn�z�rn�r�� jednotliv��up�osoudit jejich aplikovatelnost na re��lohy. O��n�ledkem srovn� algoritmu iterativn� dynamick� programov� s jin� literatu��n��, je v��asov���st v� a lep��obustnost a p�st v�� �� |
|---|
