Resumen

Los procesos de decisión markovianos parcialmente observables (partially-observable Markov decision processes, POMDP) brindan un poderoso modelo para problemas de toma de decisiones secuenciales con estado parcialmente observable y son conocidos por tener soluciones óptimas de programación dinámica. Gran parte del trabajo en años recientes se ha enfocado en mejorar la eficiencia de estos algoritmos de programación dinámica mediante la explotación de simetrías y relaciones relacionales o tenidas en cuenta.

En este documento se muestra que también es posible aprovechar el poder expresivo total de la cuantificación de primer orden para lograr abstracción de estado, acción y observación en una solución de programación dinámica para POMDP especificados relacionalmente.

• Materias:TÉCNICA ADMINISTRATIVA INVESTIGACIÓN OPERATIVA
• Subjects:MANAGEMENT TECHNIQUES OPERATIONS RESEARCH
• Palabras claves:ciencias de la administración, investigación de operaciones, programación dinámica, programación dinámica simbólica, toma de decisiones, procesos de decisión markovianos parcialmente observables de primer orden, optimización
• Keywords:management sciences, operations research, dynamic programming, symbolic dynamic programming, decision making, first-order partially-observable Markov decision processes, POMDPs, optimization