Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 3 olvasói szavazat alapján történt.
Sequential Decision Analytics and Modeling: Modeling with Python
A szekvenciális döntési problémák gyakorlatilag minden emberi folyamat során felmerülnek. Ezek a pénzügyi, energetikai, közlekedési, egészségügyi, e-kereskedelmi és ellátási láncok területére terjednek ki, és magukban foglalják a laboratóriumi vagy terepkísérletek során felmerülő tiszta tanulási problémákat is.
Még a bizonytalan függvények maximalizálására szolgáló keresési algoritmusokat is lefedik. Minden problémakör fontos dimenziója, hogy a bizonytalanság különböző formái és a változó információs folyamatok jelenlétében kell döntéseket hozni. Warren B.
Powell munkássága a szekvenciális döntési problémák terén az 1980-as években kezdődött, és kiterjedt a vasúti, az energetikai, az egészségügyi, a pénzügyi, az e-kereskedelmi, az ellátási láncok menedzsmentjére, sőt még az anyagtudományok tanulására is. A problémák széles skáláján végzett munkája rávilágított a különböző módszerek alkalmazásának fontosságára.
Eközben rájött, hogy bármely szekvenciális döntési probléma modellezhető egyetlen univerzális keretrendszer segítségével, amely a döntési módszerek közötti keresést foglalja magában. E könyv célja, hogy az olvasók megértsék, hogyan lehet megközelíteni, modellezni és megoldani egy szekvenciális döntési problémát. Ennek érdekében a könyv példákon keresztül tanító stílusban mutatja be azt a modellezési keretrendszert, amely bármely szekvenciális döntési problémát képes reprezentálni.
A könyv a döntések meghozatalára szolgáló módszerek, az úgynevezett irányelvek megtervezésének kihívásával foglalkozik, és négy olyan irányelv-osztályt ír le, amelyek univerzálisak, mivel minden alkalmazható módszert felölelnek, akár a tudományos szakirodalomból, akár a gyakorlatban használt heurisztikákból származnak. Bár ez nem jelenti azt, hogy minden probléma azonnal megoldható, a keretrendszer segít elkerülni azt a tudományos irodalomban tapasztalható tendenciát, hogy a módszerek szűk osztályaira összpontosítanak.
