Suchergebnisse

Abstract: Ein wichtiges Merkmal von intelligenten Agenten ist, das sie denken bevor sie handeln. Handlungsplanung ist das Teilgebiet der Künstlichen Intelligenz, welches sich mit dieser Art von Denken beschäftigt. Das Ergebnis eines solchen Denkprozesses ist eine Handlungsanweisung für die Schritte des Agenten. Gegeben ein durch Zustände und Aktionen beschriebenes Modell der Welt, ist ein Plan eine Sequenz von Aktionen, welche einen initialen Weltzustand in einen Zustand überführt, in welchem eine gewünschte Zielbedingung erfüllt ist.Im klassischen Planen werden die Zustände der Welt durch Variablen mit beschränktem Wertebereich beschrieben. Allerdings ist dieser Formalismus für viele reale Anwendungsbereiche nicht ausdrucksstark genug. Um etwa Ressourcen (z.B. die verbleibende Menge Benzin im Tank) oder physikalsiche Größen (z.B. die aktuelle Geschwindigkeit eines Autos) zu modellieren, werden numerische Variablen benötigt. In dieser Arbeit beschäftigen wir uns mit numerischer Handlungsplanung bei welcher Variablen auch kontinuierliche Werte zugewiesen werden können.Im Allgemeinen ist die Existenz einer Lösung eines numerischen Planungsproblems unentscheidbar. Daher untersuchen wir Näherungslösungen für numerische Planungsprobleme, welche die Kosten von bestimmten numerischen Fakten abschätzen, insbesondere solche, die zum erreichen eines Ziels benötigt werden. Im Fokus dieser Arbeit stehen hierbei Intervall-basierte Relaxiserungsheuristiken, da diese auf viele numerische Probleme angewendet werden können, insbesondere auch auf Probleme mit nicht-linearen Änderungen. Bei einigen Problemen bieten die vorgestellten Relaxierungsheuristiken eine gute Orientierungshilfe, aber selbst in Fällen bei denen die Informationsqualität schwach ist, ermöglichen Relaxierungsheuristiken eine grundlegende Orientierung für Probleme in welchen spezialisierte Lösungen nicht verfügbar sind

The thirty-five chapters in this book describe various judgmental heuristics and the biases they produce, not only in laboratory experiments but in important social, medical, and political situations as well. Individual chapters discuss the representativeness and availability heuristics, problems in judging covariation and control, overconfidence, multistage inference, social perception, medical diagnosis, risk perception, and methods for correcting and improving judgments under uncertainty. About half of the chapters are edited versions of classic articles; the remaining chapters are newly written for this book. Most review multiple studies or entire subareas of research and application rather than describing single experimental studies. This book will be useful to a wide range of students and researchers, as well as to decision makers seeking to gain insight into their judgments and to improve them

What is rationality and what is the evidence for it? -- The case for bounded rationality -- Behavioral models of heuristics-based choice -- Kahneman and Tversky's research program on heuristics and biases (HBP) -- The fast and frugal heuristics research program (FFP) -- Philosophical foundations -- Optimal taxation and regulation in behavioral economics -- Libertarian paternalism in theory -- Libertarian paternalism in practice.

This book introduces readers to advanced data science techniques for signal mining in connection with agriculture. It shows how to apply heuristic modeling to improve farm-level efficiency, and how to use sensors and data intelligence to provide closed-loop feedback, while also providing recommendation techniques that yield actionable insights. The book also proposes certain macroeconomic pricing models, which data-mine macroeconomic signals and the influence of global economic trends on small-farm sustainability to provide actionable insights to farmers, helping them avoid financial disasters due to recurrent economic crises. The book is intended to equip current and future software engineering teams and operations research experts with the skills and tools they need in order to fully utilize advanced data science, artificial intelligence, heuristics, and economic models to develop software capabilities that help to achieve sustained food security for future generations