Ing. Tatiana V. Guy, Ph.D. (externí spolupracovník)

e-mail: zobrazit e-mail
www: http://www.utia.cas.cz/people/guy
instituce: ÚTIA AVČR
 
rozvrh
předmět kód vyučující zs ls zs kr. ls kr.
Dynamické rozhodování 101DRO1 Guy, Kárný - - 2+0 zk - 2
Předmět:Dynamické rozhodování 101DRO1Ing. Kárný Miroslav DrSc.----
Anotace:1. Abstrakce reálných rozhodovacích problémů
2. Prvky rozhodovacích problémů (rozhodovač, jeho okolí, chování rozhodovací smyčky, strategie, omezení)
3. Kvantifikace rozhodovací úlohy (harmonisované kvantitativní modelování preferencí mezi chováními a strategiemi)
4. Výsledná formalisovaná rozhodovací úloha a její prvky (pravděpodobnostní modely a kritérium)
5. Plně pravděpodobnostní návrh jako optimalisace universálního kritéria očekávané kvality
5. Nástroje na řešení dynamické rozhodovací úlohy (obecné dynamické programování a jeho
aditivní a datově závislé verse)
6. Obecné nástroje na naplnění prvků rozhodovací úlohy
Osnova:
Osnova cvičení:
Cíle:Znalosti: abstrakce dynamického rozhodování za neurčitosti, neúplné znalosti a realistických omezeních (technických, informačních a výpočetních); obecná metodika formalisace a řešení rozhodovací úlohy

Schopnosti: pochopit jak se formalisuje obecný rozhodovací problém, jaké jsou jeho prvky a metody jejich naplnění a řešení optimalisovaného rozhodování
Požadavky:
Rozsah práce:
Kličová slova:
Literatura:Doporučená literatura: vybrané části z
[1] M. Kárný, J. Bohm, T.V. Guy, L. Jirsa, I. Nagy, P. Nedoma, and L. Tesař. Optimized Bayesian Dynamic Advising: Theory and Algorithms. Springer, London, 2006.
[2] M. Kárný, T.V. Guy. Fully probabilistic control design. Systems & Control Letters, 55(4), 2006.
[3] M. Kárný and T. Kroupa. Axiomatisation of fully probabilistic design. Information Sciences, 186(1), 2012.

Studijní pomůcky: Učebna s projektorem

Dynamické rozhodování 201DRO2 Guy, Kárný 2+0 zk - - 2 -
Předmět:Dynamické rozhodování 201DRO2Ing. Guy Tatiana Valentine Ph.D. / Ing. Kárný Miroslav DrSc.----
Anotace:1. Souhrn formalizované rozhodovací úlohy a nástrojů pro její řešení
2. Použití obecného plně pravděpodobnostního návrhu strategií v rámci popisů markovskými řetězci a lineárními gaussovskými modely
3. Aproximace a doplňování pravděpodobností pro zpracování datových a pravděpodobnostních znalostí a preferencí pro markovské řetězce
4. Úvod do rozhodování s více účastníky a jeho formalisace
5. Použitelnost obecných nástrojů pro sdílení znalostí a spolupráci v rámci rozhodování s více účastníky
6. Ilustrující případové studie řešení rozhodovacích problémů
7. Otevřené problémy rozhodování
Osnova:
Osnova cvičení:
Cíle:Znalosti: prohloubení pochopení obecné metodiky formalisace a řešení reálného dynamického rozhodování za neurčitosti a neúplné znalosti přednesené v rámci 01DRO1

Schopnosti: konkrétně formalisovat reálný rozhodovací problém, naplnit jeho prvky, zvolit odpovídající metody jejich naplnění a řešení optimalisačního problému
Požadavky:
Rozsah práce:
Kličová slova:
Literatura:Doporučená literatura: vybrané části z
[1] M. Kárný, J. Bohm, T.V. Guy, L. Jirsa, I. Nagy, P. Nedoma, and L. Tesař. Optimized Bayesian Dynamic Advising: Theory and Algorithms. Springer, London, 2006.
[2] M. Kárný, T.V. Guy. Fully probabilistic control design. Systems & Control Letters, 55(4), 2006.
[3] M. Kárný, T.V. Guy Tatiana Valentine: On the Origins of Imperfection and Apparent Non-Rationality, 57-92, in T.V. Guy, M. Kárný, D.H. Wolpert, Decision Making: Uncertainty, Im- perfection, Deliberation and Scalability, Springer, Studies in Computational Intelligence 538, 2014

Studijní pomůcky: Učebna s projektorem

Seminář z dynamického rozhodování01DROS Guy, Kárný - - 2+0 z - 2

Rozvažování o cílech rozhodování

školitel: Ing. Tatiana V. Guy, Ph.D.
e-mail: zobrazit e-mail
typ práce: dizertační práce
zaměření: MI_MM, MI_AMSM, MINF
popis: Abstrakt: Dynamické přehodnocování cílů rozhodování. Penalizace změn cílů rozhodování závisící na ceně rozvažování nutného ke změně. Jak se vyrovnat se závislostmi mezi cíli rozhodování (zvláště rozpornými)? Jak upravit kritérium? Jak má být zohledněna cena dosažení dílčího cíle? Title: Negotiation about DM goals: when does selfishness cost less? Abstract: Dynamical reconsidering of DM goals. Penalisation of modification of DM goal in dependence on the deliberation cost of the change. How to cope with possible (inter-)dependency of DM goals (especially conflicting ones)? How to modify the criterion? How the cost of reaching the particular DM goal can be taken into account? Description: The distributed decision making (DM) arise when there is no possibility to govern in a centralised way. Any DM task of that type consider either several interacting, locally independent elements, which have their local goals, but have to collaborate to reach a common (group) goal (e.g.: cooperative robots, multi-agent systems, sensor networks); or a set of independent elements with own goals that need to coordinate their activities (e.g. vehicles in urban transportation). The success of a distributed solution depends on efficiency of cooperation. Even in the case when elements are independent they may benefit from the creation of a common DM goal - two are better than one because they can help each other succeed. If I respect my neighbour’s interests, I will reach my own DM goal with less energy. Otherwise, there is a danger the interacting elements will compete even without an explicit conflict of their DM goals. However, any negotiation costs significant time and computation resources each of interacting elements. Evaluation and optimising the tradeoff between the computational cost (time) of negotiation and a potential reward (given by a reached compromise between DM goals) should be an essential part of feasible normative DM theory. The PhD project will focus on the DM goal deliberation formulated and solved as a decision-making problem within the fully probabilistic framework [1]. The expected contribution should finally serve to normative Bayesian distributed DM under a flat cooperation structure. The preliminary conceptual solution relies on a combination of the inductive memory-based technique [3] and fully probabilistic extension of Bayesian DM [1], [5]. The proposed topic of doctoral theses can be tailored to the specific PhD student, his/her skills and inclination to theoretical or algorithmic development possibly with emphasise placed on a specific application domain.
literatura: Literature [1] Kárný M., Guy T.V.: Fully probabilistic control design. Systems & Control Letters, 55(4), 2006 [2] Kárný M., Kroupa T.: Axiomatisation of fully probabilistic design, Inf. Sciences,186, 1, 105-113, 2012 [3] Artificial Intelligence Review: Special Issue on Lazy Learning 11(1–5), 1–6, 1997. [4] Guy T.V, Kárný M, Wolpert D.H. (Eds): Decision Making with Imperfect Decision Makers, Springer, vol. 28, 2012 [5] Kárný M .,Guy T.V, Bodini A, Ruggeri F.: Cooperation via sharing of probabilistic information, Int. J. of Computational Intelligence Studies, 1:2 139-162, 2009
poznámka: Good knowledge of English is essential.
naposledy změněno: 23.05.2018 14:57:34

Kooperace v distribuovaném rozhodování

školitel: Ing. Tatiana V. Guy, Ph.D.
e-mail: zobrazit e-mail
typ práce: dizertační práce
zaměření: MI_MM, MI_AMSM, MINF
klíčová slova: cooperation, negotiation, coalition formation
popis: Abstrakt: Dynamické rozhodování v netriviálních situacích není realizovatelné jedním agentem. Distribuované řešeni vyžaduje řešení kooperačních úloh. Tématem práce je teoreticko-algoritmická podpora kooperace. Title: Cooperation in distributed decision making. Abstract: Independently performing decision makers should be able to coordinate distribution of their deliberation efforts (scenario when a decision maker stops thinking while other needs to continue deliberation may lead to poor behaviour of both). Moreover, competitive scenario with several decision makers requires ability of each to monitor deliberation process of his neighbours under little knowledge about them. Description: In a very general formulation, dynamic decision making (DDM) could be regarded as the design and coordination of interconnected decisions distributed over a variety of decision makers, either treating some problem of mutual interest or acting within a common environment. Elements of structures emerging in economy and management are examples of agents acting within DDM. Indeed, the vertically integrated organisation structures used in management and economics (e.g., multi-stage production, insurance, investment) have been recently replaced by an ensemble of stand-alone components, which are interconnected via exchange of goods/services/money. The novel organisation structure represents a network system with a variable structure. Thus, the relative performance of the individual network’s components (agents) and interactions between them fully determine the global behaviour of the whole network. The proposed project aims to contribute to theoretical and algorithmic development of cooperation and negotiation aspects while respecting agent imperfection and deliberation. The solution should be applicable to decentralised dynamic DM under complexity and uncertainty. A flat cooperation structure without pre-coordination is considered. The aim of this PhD project is: i) define the cooperation patterns that suit the project objective. ii) formulate basic cooperation and negotiation rules and requirements on the cooperation structure; iii) the theoretical framework of cooperation and negotiation potentially applicable in decentralised DM; iv) Verification of expected properties of the proposed cooperation structures. The proposed topic of doctoral theses can be tailored to the specific PhD student, his/her skills and inclination to theoretical or algorithmic development possibly with emphasise placed on a specific application domain.
literatura: Literature: [1] J. C. Harsanyi, Games with Incomplete Information Played by \"Bayesian\" Players, I-III. Part I. The Basic Model Management Science Vol. 14, No. 3, Theory Series, 1967 [2] D. H.Wolpert, J. Grana, B. Tracey, T. Kohler, A. Kolchinsky, Modeling Social Organizations as Communication Networks arXiv preprint arXiv:1702.04449, 2017. [3] M.Kárný, T.V.Guy, A.Bodini, F.Ruggeri, Cooperation via sharing of probabilistic information, International Journal of Computational Intelligence Studies, p. 139-162, 2009
poznámka: Good knowledge of English is essential.
naposledy změněno: 23.05.2018 16:58:44

Oceňování projektů metodou reálných opcí: dynamické programování

školitel: Ing. Rudolf Kulhavý, DrSc
e-mail: zobrazit e-mail
typ práce:
zaměření: MI_MM, MI_AMSM, MINF, APIN
klíčová slova: strategické řízení podniku, finanční řízení, rozhodování za neurčitosti
odkaz: http://www.utia.cz/people/kulhavy
popis: Oceňování projektů představuje standardní funkci finančního řízení podniku, která poskytuje data pro posouzení návratnosti investovaných prostředků porovnáním očekávaných peněžních toků na nákladové a výnosové straně. Standardní metody oceňování předpokládající řízení projektů “v otevřené smyčce” mají tendenci podhodnocovat skutečný ekonomický potenciál projektů, a to zvláště v případě projektů zatížených značnou neurčitostí. Nehodí se tak mimo jiné pro vysoce inovativní a rizikové projekty. Metoda reálných opcí představuje alternativu vhodnou pro projekty řízené dynamicky, “v uzavřené smyčce”, s průběžným využitím skutečných dat o postupu projektu a odezvě trhu. S výjimkou relativně jednoduchých modelů neurčitosti vede výpočet hodnoty projektu na úlohu dynamického programování, jejímž specifickým rysem je, že řízení projektu - ve smyslu realizace zvažovaných opcí - neprobíhá kontinuálně, ale v několika, ne nutně předem známých okamžicích. Úkoly: 1. Seznamte se s tradičním přístupem k analýze reálných opcí obvyklým ve finanční analýze. 2. Formulujte analýzu reálných opcí jako úlohu stochastického řízení. 3. Navrhněte vhodnou metodu numerické aproximace dynamického programování. 4. Implementujte algoritmus oceňování ve Vámi zvoleném výpočetním nástroji a ověřte jej na simulovaných (hypotetických) nebo reálných datech. 5. Analyzujte přínosy teorie stochastického řízení pro analýzu reálných opcí. Identifikujte případná omezení a otevřené otázky.
literatura: Vybrané části z: 1. Copeland, Thomas E., and Vladimir Antikarov. 2003. Real Options: A Practitioner’s Guide. Revised ed. New York: Texere. 2. Powell, Warren B. 2011. Approximate Dynamic Programming: Solving the Curses of Dimensionality. 2nd ed. Hoboken, NJ: Wiley. 3. Puterman, Martin L. 2005. Markov Decision Processes: Discrete Stochastic Dynamic Programming. Hoboken, NJ: Wiley. 4. Vollert, Alexander. 2003. A Stochastic Control Framework for Real Options in Strategic Valuation. Boston, MA: Birkhäuser.
poznámka: Náplň tématu bude přizpůsobena zájmům studenta
naposledy změněno: 08.10.2018 13:13:13

za obsah této stránky zodpovídá: Radek Fučík | naposledy změněno: 7.8.2011
Trojanova 13, 120 00 Praha 2, tel. 224 358 540, pevná linka 224 923 098, fax 234 358 643
České vysoké učení technické v Praze | Fakulta jaderná a fyzikálně inženýrská | Katedra matematiky