MAN326 · Karar Analizleri
Lisans
Amaç
This course builds on the Operations Research I and II courses and is primarily designed to construct a thorough understanding of the decision-making process. The course aims to equip students with the fundamental concepts and skills needed to (1) define decision problems and generate creative alternatives, (2) measure uncertainty, (3) quantify subjective judgement, and (4) integrate all of these elements within an optimal choice model. The course material covers both theoretical and practical foundations for developing computer-aided decision-making models, including an introduction to decisions and decision environments, recognition of decision problems, and an analytical thinking approach for making sound decisions. It also introduces advanced decision-making techniques such as dynamic programming and reinforcement learning.
Konular
• Karar analizine giriş: analitik karar verme, karar ölçütleri, doğrusal ve tamsayılı problemler için deterministik Markov karar süreçleri
• Deterministik dinamik programlama
• Python ile kodlamaya giriş: deterministik dinamik programlama algoritmasının kodlanması
• Problem çözümü: doğrusal problemler
• Problem çözümü: tamsayılı problemler
• Stokastik dinamik programlama: sonlu planlama ufkunda kuram ve uygulama, Python kodları
• Problem çözümü: doğrusal olmayan olasılıklı problemler
• Sonsuz planlama ufkunda stokastik dinamik programlama: değer yineleme, politika yineleme, kararlı durum hesabı
• Benzetimsel dinamik programlamaya giriş: Monte Carlo benzetimi, geçici fark öğrenmesi, temel ADP algoritmasının Python kodları
• İleri yaklaşımlar: adım boyu seçimi, değer işlevi ilklendirme, uygunluk izleri
• Büyük ölçekli problemlerde ADP: durum toplulaştırma, işlev yaklaşıklama, gradyan iniş yöntemi, etmen tabanlı modeller
• Analitik hiyerarşi süreci: kuram ve uygulama, örnekler
Kaynaklar
• Taha, H. (2011). Operations Research: An Introduction. Pearson.
• Sutton, R. & Barto, A. (2015). Reinforcement Learning.
• Winston, W. L. & Goldberg, J. B. (2004). Operations Research: Applications and Algorithms. Duxbury Press.
• Powell, W. B. (2015). Approximate Dynamic Programming.
• Abbas, A. E. & Howard, R. A. (2016). Foundations of Decision Analysis, Global Edition, 12. baskı, Prentice Hall.
This course builds on the Operations Research I and II courses and is primarily designed to construct a thorough understanding of the decision-making process. The course aims to equip students with the fundamental concepts and skills needed to (1) define decision problems and generate creative alternatives, (2) measure uncertainty, (3) quantify subjective judgement, and (4) integrate all of these elements within an optimal choice model. The course material covers both theoretical and practical foundations for developing computer-aided decision-making models, including an introduction to decisions and decision environments, recognition of decision problems, and an analytical thinking approach for making sound decisions. It also introduces advanced decision-making techniques such as dynamic programming and reinforcement learning.
Konular
• Karar analizine giriş: analitik karar verme, karar ölçütleri, doğrusal ve tamsayılı problemler için deterministik Markov karar süreçleri
• Deterministik dinamik programlama
• Python ile kodlamaya giriş: deterministik dinamik programlama algoritmasının kodlanması
• Problem çözümü: doğrusal problemler
• Problem çözümü: tamsayılı problemler
• Stokastik dinamik programlama: sonlu planlama ufkunda kuram ve uygulama, Python kodları
• Problem çözümü: doğrusal olmayan olasılıklı problemler
• Sonsuz planlama ufkunda stokastik dinamik programlama: değer yineleme, politika yineleme, kararlı durum hesabı
• Benzetimsel dinamik programlamaya giriş: Monte Carlo benzetimi, geçici fark öğrenmesi, temel ADP algoritmasının Python kodları
• İleri yaklaşımlar: adım boyu seçimi, değer işlevi ilklendirme, uygunluk izleri
• Büyük ölçekli problemlerde ADP: durum toplulaştırma, işlev yaklaşıklama, gradyan iniş yöntemi, etmen tabanlı modeller
• Analitik hiyerarşi süreci: kuram ve uygulama, örnekler
Kaynaklar
• Taha, H. (2011). Operations Research: An Introduction. Pearson.
• Sutton, R. & Barto, A. (2015). Reinforcement Learning.
• Winston, W. L. & Goldberg, J. B. (2004). Operations Research: Applications and Algorithms. Duxbury Press.
• Powell, W. B. (2015). Approximate Dynamic Programming.
• Abbas, A. E. & Howard, R. A. (2016). Foundations of Decision Analysis, Global Edition, 12. baskı, Prentice Hall.
Materyaller
Ders materyalleri ve görevler için giriş yapmalısın. Giriş