فرآیندهای تصمیمی که به طور جزئی توسط Markov قابل مشاهده است میتواند دارای عدم قطعیت در معرفت شناسی باشد

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

فرآیندهای تصمیمی که به طور جزئی توسط Markov قابل مشاهده است میتواند دارای عدم قطعیت در معرفت شناسی باشد

عنوان لاتین

Partially Observable Markov Decision Processes incorporating epistemic uncertainties

استفاده از فرایندهای تصمیم گیری مارکوف برای نگهداری، بازرسی و بازسازی سازه های مهندسی عمران لازم است و همچنین استفاده از چندین ماتریس انتقال که مرتبط با فرآیند تخریب تصادفی، اقدامات تعمیر و نگهداری و بازرسی های ناقص متکی است. نقطه یابی ها معمولا برای اینماتریس ها استفاده می شود و با استفاده از روش های استنتاج آماری و / یا روش های ارزیابی متخصص ارزیابی می شود. بنابراین، عدم قطعیت در معرفت شناختی اغلب مقادیر واقعی این ماتریس ها را نشان می دهد. سهم ما ازاین مقاله سه برابر شده است. ابتدا روشي براي تلفيق عدم قطعيت معرفتي در الگوريتم های برنامه ريزی پويا پیدا میکنیم كه براي حل پروسه هاي تصميم گيري ماركوف که به صورت افق محدود و معین است (كه ممكن است تا حدی قابل مشاهده باشد) ارائه دهيم. دوم، ما پیشنهاد روش شناسی مبتنی بر استفاده از توزیعهای داریچله (نظریه اعداد چندگانه) است که به معنای ما، بسیاری از بحثها در ادبیات مربوط به برآورد ماتریس های انتقال مارکوف را مطرح می کند. سوم، ما نشان می دهیم که پیچیدگی ناشی از استفاده از شبیه سازی مونت کارلو برای ماتریس انتقال چیست که می تواند به شدت در چارچوب برنامه نویسی پویا غلبه کند. مدل پیشنهادی برای تخریب پل بتنی به منظور ارائه راهکارهای بهینه برای بازرسی و نگهداری استفاده می شود. تأثیر عدم قطعیت معرفت شناسی در راه حل های بهینه از طریق تجزیه و تحلیل و میزان حساسیت در مورد داده های ورودی تاکید می شود.

The use of Markov Decision Processes for Inspection Maintenance and Rehabilitation of civil engineering structures relies on the use of several transition matrices related to the stochastic degradation process, maintenance actions and imperfect inspections. Point estimators for these matrices are usually used and they are evaluated using statistical inference methods and/or expert evaluation methods. Thus, considerable epistemic uncertainty often veils the true values of these matrices. Our contribution through this paper is threefold. First, we present a methodology for incorporating epistemic uncertainties in dynamic programming algorithms used to solve finite horizon Markov Decision Processes (which may be partially observable). Second, we propose a methodology based on the use of Dirichlet distributions which answers, in our sense, much of the controversy found in the literature about estimating Markov transition matrices. Third, we show how the complexity resulting from the use of Monte-Carlo simulations for the transition matrices can be greatly overcome in the framework of dynamic programming. The proposed model is applied to concrete bridge under degradation, in order to provide the optimal strategy for inspection and maintenance. The influence of epistemic uncertainties on the optimal solution is underlined through sensitivity analysis regarding the input data.