Show simple item record

Feasible Bayesian Multi-Armed Bandit Optimisation



dc.contributor.advisorKárný Miroslav
dc.contributor.authorRolenec Filip
dc.date.accessioned2019-02-20T10:48:04Z
dc.date.available2019-02-20T10:48:04Z
dc.date.issued2018-08-30
dc.identifierKOS-695599812605
dc.identifier.urihttp://hdl.handle.net/10467/79834
dc.description.abstractV této bakalářské práci se zabývám optimalizací rozhodovací strategie u procesů, které se označují jako diskrétní markovské rozhodovací procesy. Optimální strategie je dosaženo pomocí dynamického programování, přičemž pro model s neznámými parametry je k odhadům parametrů užito principů bayesovské statistiky. Práce se zabývá studiem rozvažovacího úsilí v modelu vícerukého bandity, přičemž naráží i na známý problém poznávání versus využití. Práce dále řeší exponenciální složitost algoritmu pro zisk optimální strategie pro proces s neznámými parametry metodou "m-krokové aproximace". Experimenty ukazují, že průměrnou střední hodnotu celkové odměny lze, při únosném nárůstu složitosti, vylepšit o jednotky procent.cze
dc.description.abstractThis bachelor’s thesis studies the optimal policy for processes that can be described as discrete Markov decision processes. The optimal strategy is obtained through the dynamic programming, while for the processes with unknown parameters the Bayesian statistics is used in addition. This work studies the role of deliberation eort in the multi-armed bandit optimisation problem and also tries to challenge the exploration vs exploitation problem. It copes with the problem of exponential complexity of the algorithm via a theory of "certainty equivalence" and "m-Step approximation". The experiments show that the expected reward can be increased by several percent, while sustaining reasonable requirements on the computing power.eng
dc.language.isoENG
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmleng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectBayesovské odhadování,Dynamické programování,Diskrétní markovské rozhodovací procesy,Poznávání vs. využití,Rozvažovací úsilí,Víceruký banditacze
dc.subjectBayesian estimation,Deliberation eort,Discrete Markov decision processes,Dynamic programming,Exploration vs exploitation,Multi-armed banditeng
dc.titleProveditelná bayesovská optimalizace vícerukého banditycze
dc.titleFeasible Bayesian Multi-Armed Bandit Optimisationeng
dc.typebakalářská prácecze
dc.typebachelor thesiseng
dc.date.accepted2018-09-04
dc.contributor.refereeDerakhshan Siavash Fakhimi
theses.degree.disciplineMatematické inženýrstvícze
theses.degree.grantorkatedra matematikycze
theses.degree.programmeAplikace přírodních vědcze


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record