{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1320588"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1320588","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Υπολογιστικές μέθοδοι σε Μαρκοβιανές Διαδικασίες Αποφάσεων υπό ελλιπή πληροφόρηση","abstract":"Στην εργασία αυτή γίνεται μια εισαγωγή στις Μερικός Ορατές Μαρκοβιανές Διαδικασίες Αποφάσεων. Αυτά είναι μαθηματικά μοντέλα βελτιστοποίησης όπου η κατάσταση του συστήματος κινείται σύμφωνα με μια στοχαστική διαδικασία που διατηρεί την Μαρκοβιανή ιδιότητα. Σε κάθε περίοδο καλούμαστε να επιλέξουμε βέλτιστη απόφαση από ένα σύνολο αποφάσεων αλλά η ακριβής κατάσταση του συστήματος δεν μπορεί να παρατηρηθεί. Υπάρχει κάθε φορά σήμα θ το οποίο μας ενημερώνει για την κατάσταση μέσα από ένα διάνυσμα πιθανότητας πάνω στο χώρο καταστάσεων, για αυτό τις αποκαλούμε μερικός ορατές. Στο πρώτο μέρος της εργασίας γίνεται αναφορά στα βασικά θεωρητικά αποτελέσματα από την βιβλιογραφία και στις μεθόδους εύρεσης βέλτιστων πολιτικών. Στο δεύτερο μέρος αναλύουμε συγκεκριμένη Μαρκοβιανή Διαδικασία Αποφάσεων με πλήρη πληροφόρηση όπου έχουμε ουρά εξυπηρέτησης Geo/Geo/1/M και αποδεικνύουμε συγκεκριμένα θεωρητικά αποτελέσματα. Στη συνέχεια εφαρμόζουμε τα ευρήματα στο αντίστοιχο πρόβλημα με μερική πληροφόρηση και παραθέτουμε τα αριθμητικά αποτελέσματα. Στο τέλος χρησιμοποιώντας στατιστική ανάλυση δεδομένων γίνεται μια προσπαθεί απλούστευσης του κανόνα λήψης βέλτιστης απόφασης.","abstract_html":"Στην εργασία αυτή γίνεται μια εισαγωγή στις Μερικός Ορατές Μαρκοβιανές Διαδικασίες Αποφάσεων. Αυτά είναι μαθηματικά μοντέλα βελτιστοποίησης όπου η κατάσταση του συστήματος κινείται σύμφωνα με μια στοχαστική διαδικασία που διατηρεί την Μαρκοβιανή ιδιότητα. Σε κάθε περίοδο καλούμαστε να επιλέξουμε βέλτιστη απόφαση από ένα σύνολο αποφάσεων αλλά η ακριβής κατάσταση του συστήματος δεν μπορεί να παρατηρηθεί. Υπάρχει κάθε φορά σήμα θ το οποίο μας ενημερώνει για την κατάσταση μέσα από ένα διάνυσμα πιθανότητας πάνω στο χώρο καταστάσεων, για αυτό τις αποκαλούμε μερικός ορατές. Στο πρώτο μέρος της εργασίας γίνεται αναφορά στα βασικά θεωρητικά αποτελέσματα από την βιβλιογραφία και στις μεθόδους εύρεσης βέλτιστων πολιτικών. Στο δεύτερο μέρος αναλύουμε συγκεκριμένη Μαρκοβιανή Διαδικασία Αποφάσεων με πλήρη πληροφόρηση όπου έχουμε ουρά εξυπηρέτησης Geo/Geo/1/M και αποδεικνύουμε συγκεκριμένα θεωρητικά αποτελέσματα. Στη συνέχεια εφαρμόζουμε τα ευρήματα στο αντίστοιχο πρόβλημα με μερική πληροφόρηση και παραθέτουμε τα αριθμητικά αποτελέσματα. Στο τέλος χρησιμοποιώντας στατιστική ανάλυση δεδομένων γίνεται μια προσπαθεί απλούστευσης του κανόνα λήψης βέλτιστης απόφασης.","abstract_has_math":false,"creators":["Κοκαλιάρης Χρήστος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2014,"date_issued":"2014","date_published":"2014","updated_at":"2026-11-19T05:26:28Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320588"],"render_values":[{"text":"uoadl:1320588","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320588","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320588","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1320588","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Κοκαλιάρης Χρήστος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2014"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320588","https://pergamos.lib.uoa.gr/uoa/dl/object/1320588"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στην εργασία αυτή γίνεται μια εισαγωγή στις Μερικός Ορατές Μαρκοβιανές Διαδικασίες Αποφάσεων. Αυτά είναι μαθηματικά μοντέλα βελτιστοποίησης όπου η κατάσταση του συστήματος κινείται σύμφωνα με μια στοχαστική διαδικασία που διατηρεί την Μαρκοβιανή ιδιότητα. Σε κάθε περίοδο καλούμαστε να επιλέξουμε βέλτιστη απόφαση από ένα σύνολο αποφάσεων αλλά η ακριβής κατάσταση του συστήματος δεν μπορεί να παρατηρηθεί. Υπάρχει κάθε φορά σήμα θ το οποίο μας ενημερώνει για την κατάσταση μέσα από ένα διάνυσμα πιθανότητας πάνω στο χώρο καταστάσεων, για αυτό τις αποκαλούμε μερικός ορατές. Στο πρώτο μέρος της εργασίας γίνεται αναφορά στα βασικά θεωρητικά αποτελέσματα από την βιβλιογραφία και στις μεθόδους εύρεσης βέλτιστων πολιτικών. Στο δεύτερο μέρος αναλύουμε συγκεκριμένη Μαρκοβιανή Διαδικασία Αποφάσεων με πλήρη πληροφόρηση όπου έχουμε ουρά εξυπηρέτησης Geo/Geo/1/M και αποδεικνύουμε συγκεκριμένα θεωρητικά αποτελέσματα. Στη συνέχεια εφαρμόζουμε τα ευρήματα στο αντίστοιχο πρόβλημα με μερική πληροφόρηση και παραθέτουμε τα αριθμητικά αποτελέσματα. Στο τέλος χρησιμοποιώντας στατιστική ανάλυση δεδομένων γίνεται μια προσπαθεί απλούστευσης του κανόνα λήψης βέλτιστης απόφασης.","In this paper, we present a brief introduction to the Partially Observable Markovian Decision Processes. These are mathematical optimization models where the system state is generated according to a stochastic process that maintains the Markov property. In each period we chose an optimal decision from a set of available decisions while the exact state of the system can not be observed. There is instead a signal θ that informs us of the system's state through a probability vector, hence we call them partially observable. In the first part of the paper we refer to the basic theoretical results from the literature and the methods of finding the optimal policies. In the second part we analyze a specific Markovian decision processes with full information consisting of a service queue Geo/Geo/1/M and provide particular theoretical results. We then apply our findings to the corresponding problem with partial information and we present the numerical results. In the end through statistical data analysis we provide a simplification to the optimal decision policy."]},{"key":"dc:title","label":"Title","values":["Υπολογιστικές μέθοδοι σε Μαρκοβιανές Διαδικασίες Αποφάσεων υπό ελλιπή πληροφόρηση"]}]}],"canonical_facts":{"dc:creator":["Κοκαλιάρης Χρήστος"],"dc:date":["2014"],"dc:description":["Στην εργασία αυτή γίνεται μια εισαγωγή στις Μερικός Ορατές Μαρκοβιανές Διαδικασίες Αποφάσεων. Αυτά είναι μαθηματικά μοντέλα βελτιστοποίησης όπου η κατάσταση του συστήματος κινείται σύμφωνα με μια στοχαστική διαδικασία που διατηρεί την Μαρκοβιανή ιδιότητα. Σε κάθε περίοδο καλούμαστε να επιλέξουμε βέλτιστη απόφαση από ένα σύνολο αποφάσεων αλλά η ακριβής κατάσταση του συστήματος δεν μπορεί να παρατηρηθεί. Υπάρχει κάθε φορά σήμα θ το οποίο μας ενημερώνει για την κατάσταση μέσα από ένα διάνυσμα πιθανότητας πάνω στο χώρο καταστάσεων, για αυτό τις αποκαλούμε μερικός ορατές. Στο πρώτο μέρος της εργασίας γίνεται αναφορά στα βασικά θεωρητικά αποτελέσματα από την βιβλιογραφία και στις μεθόδους εύρεσης βέλτιστων πολιτικών. Στο δεύτερο μέρος αναλύουμε συγκεκριμένη Μαρκοβιανή Διαδικασία Αποφάσεων με πλήρη πληροφόρηση όπου έχουμε ουρά εξυπηρέτησης Geo/Geo/1/M και αποδεικνύουμε συγκεκριμένα θεωρητικά αποτελέσματα. Στη συνέχεια εφαρμόζουμε τα ευρήματα στο αντίστοιχο πρόβλημα με μερική πληροφόρηση και παραθέτουμε τα αριθμητικά αποτελέσματα. Στο τέλος χρησιμοποιώντας στατιστική ανάλυση δεδομένων γίνεται μια προσπαθεί απλούστευσης του κανόνα λήψης βέλτιστης απόφασης.","In this paper, we present a brief introduction to the Partially Observable Markovian Decision Processes. These are mathematical optimization models where the system state is generated according to a stochastic process that maintains the Markov property. In each period we chose an optimal decision from a set of available decisions while the exact state of the system can not be observed. There is instead a signal θ that informs us of the system's state through a probability vector, hence we call them partially observable. In the first part of the paper we refer to the basic theoretical results from the literature and the methods of finding the optimal policies. In the second part we analyze a specific Markovian decision processes with full information consisting of a service queue Geo/Geo/1/M and provide particular theoretical results. We then apply our findings to the corresponding problem with partial information and we present the numerical results. In the end through statistical data analysis we provide a simplification to the optimal decision policy."],"dc:identifier":["uoadl:1320588","https://pergamos.lib.uoa.gr/uoa/dl/object/1320588"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Υπολογιστικές μέθοδοι σε Μαρκοβιανές Διαδικασίες Αποφάσεων υπό ελλιπή πληροφόρηση"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:26:28Z"}