Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17158
Τίτλος: Αποδοτικοί προσεγγιστικοί αλγόριθμοι για στοχαστική βελτιστοποίηση και μάθηση σε αβέβαια περιβάλλοντα
Συγγραφείς: Ζαρίφης, Νικόλαος
Φωτάκης Δημήτριος
Λέξεις κλειδιά: Learning, Sampling, Stochastic Optimization, Poisson Approximation
Μάθηση, Στοχαστική Βελτιστοποίηση , Poisson προσέγγιση,Δειγματοληψία
Ημερομηνία έκδοσης: 31-Οκτ-2018
Περίληψη: Σε αυτή την διπλωματική μελετάμε πόσο αποδοτικά μπορούμε να λύσουμε προβλήματα όπως το Σακίδιο ή το Συντομότερο μονοπάτι , στην στοχαστική τους μορφή . Μελετάμε δύο τύπους αυτών τον προβλημάτων. Indyk et al, μελέτησαν το πρόβλημα του στοχαστικού σακιδίου με διάφορες παραλλαγές και έπειτα η Nikolova μελέτησε το στοχαστικό Σύντομο μονοπάτι. Και οι δυο δείξαν ότι όταν τα βάρη ακολουθούν bernoulli κατανομή τότε υπάρχει ένας QPTAS . Εμείς σε αντίθεση δείχνουμε πως μπορείς να επεκτείνεις τον αλγόριθμο και να βελτιώσεις τα αποτελέσματα σε εναν EPTAS.Κι επίσης είδαμε πιο γενικές παραλλαγές όπως χωρίς να έχεις υπόθεση για είδος κατανομής. Στην συνέχεια μελετήσαμε την δουλειά του Gupta et al όπου δίνουν αλγόριθμους που μαθαίνουν την βέλτιστη λύση σε συνδυαστικά προβλήματα σε αβέβαιο περιβάλλον και χρησιμοποιούμε τους αλγόριθμους τους στο συντομότερο μονοπάτι για πιο γενικές συναρτήσεις κόστους.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17158
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
dipl.pdf420.24 kBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.