You are here: University of Vienna PHAIDRA Detail o:1299802
Title (deu)
Optimierendes Lernen unter besonderer Berücksichtigung des Problems des kürzesten Pfades
Author
Judith Fechter
Adviser
Arnold Neumaier
Assessor
Arnold Neumaier
Abstract (deu)

Im Laufe der Zeit gewinnt der Computer als Hilfsmittel im Bereich der Optimierung immer mehr an Bedeutung. So nutzen nun auch viele Optimierungsmethoden die Vorteile der Numerischen Mathematik. Diese Diplomarbeit gibt einen überblicksartigen Einblick in die verschiedenen Methoden des Dynamischen Programmieren, in Monte Carlo Methoden und in Zeitliche – Differenz Methoden. Dabei wurde besonderes Augenmerk auf die Unterschiede und Ähnlichkeiten der eben erwähnten Methoden gelegt und zum Abschluss einige praktsiche Anwendungen behandelt.

Abstract (eng)

In recent years the computer has become more and more important in the field of optimization. As a consequence many methods of solving optimization problems have arisen which take advantage of numerical analysis. This diploma thesis gives a short introduction to various methods like Dynamic Programming, Monte Carlo methods and Temporal Difference Learning by working out differences and similarities found in the above mentioned methods. In the final part ways of practical application are presented.

Keywords (eng)
temporal difference learningTD-learningnetwork flow problemoptimizationshortest path problemdynamic programmingBellman algorithmalgorithm of DijkstraMonte Carlo method
Keywords (deu)
OptimierungDynamisches ProgrammierenMonte Carlo Methodezeitliches Differenz LernenNetzwerk Fluss ProblemProblem des kürzesten PfadesBellman – AlgorithmusAlgorithmus von Dijkstra
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1299802
rdau:P60550 (deu)
66 S. : graph. Darst.
Number of pages
71
Association (deu)
Members (1)
Title (deu)
Optimierendes Lernen unter besonderer Berücksichtigung des Problems des kürzesten Pfades
Author
Judith Fechter
Abstract (deu)

Im Laufe der Zeit gewinnt der Computer als Hilfsmittel im Bereich der Optimierung immer mehr an Bedeutung. So nutzen nun auch viele Optimierungsmethoden die Vorteile der Numerischen Mathematik. Diese Diplomarbeit gibt einen überblicksartigen Einblick in die verschiedenen Methoden des Dynamischen Programmieren, in Monte Carlo Methoden und in Zeitliche – Differenz Methoden. Dabei wurde besonderes Augenmerk auf die Unterschiede und Ähnlichkeiten der eben erwähnten Methoden gelegt und zum Abschluss einige praktsiche Anwendungen behandelt.

Abstract (eng)

In recent years the computer has become more and more important in the field of optimization. As a consequence many methods of solving optimization problems have arisen which take advantage of numerical analysis. This diploma thesis gives a short introduction to various methods like Dynamic Programming, Monte Carlo methods and Temporal Difference Learning by working out differences and similarities found in the above mentioned methods. In the final part ways of practical application are presented.

Keywords (eng)
temporal difference learningTD-learningnetwork flow problemoptimizationshortest path problemdynamic programmingBellman algorithmalgorithm of DijkstraMonte Carlo method
Keywords (deu)
OptimierungDynamisches ProgrammierenMonte Carlo Methodezeitliches Differenz LernenNetzwerk Fluss ProblemProblem des kürzesten PfadesBellman – AlgorithmusAlgorithmus von Dijkstra
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1299803
Number of pages
71
Association (deu)