Título: Soluções aproximadas para um MDPIP fatorado

Palestrante: Karina Valdivia Delgado (IME)

Resumo:
 
O tema principal desse seminário  está relacionado à área de planejamento sob
incerteza da Inteligência Artificial (IA). 
Trabalhos recentes nessa área adotam modelos estocásticos, com soluções bem
conhecidas. No entanto, modelos com informação incompleta são de grande
interesse na área de IA por serem mais aplicáveis em problemas práticos. Nesse
seminário, fazemos uma breve revisão dos principais conceitos da área de
Processos Markovianos de Decisão (MDPs) e apresentamos um algoritmo aproximado
baseado em programação linear, para resolver MDPs fatorados (isto é, uma
representação compacta para MDPs que envolvam um grande número de estados). Em
seguida, definimos um MDP impreciso (MDPIP), isto é, um MDP em que as
distribuições de probabilidade sob as transições de estado não são
completamente conhecidas. O objetivo desse seminário é propor diferentes
soluções aproximadas para um MDPIP fatorado, uma vez que não são conhecidas
soluções na literatura para esse problema.