Processus décisionnels de Markov en intelligence artificielle volume 2 : méthodes avancées... ; Traité IC2, série Informatique et Systèmes d'Information

L'objectif de cet ouvrage est de présenter à un large public (étudiants, ingénieurs, chercheurs) des techniques permettant la prise de décisions séquentielles optimales dans l'incertain. Ces techniques sont issues de travaux en intelligence artificielle autour du formalisme des processus de décision markoviens (MDP). L'ouvrage, rédigé par la communauté francophone PDMIA, fait le point sur les progrès dans ce domaine qui rendent ces approches utilisables pour de nombreuses applications : robotique mobile, micro-manipulation, logistique, optimisation de procédés, agriculture, gestion de systèmes naturels. Le premier tome propose une présentation introductive des bases et des principaux cadres de ce domaine. Dans le second tome est rassemblée une sélection des travaux plus avancés consistant en des extensions de ces cadres généraux, extensions permettant de résoudre efficacement des classes de problèmes de décision spécifiques. Chacun des deux tomes est complété par des chapitres applicatifs illustrant l'utilisation pratique de ces outils théoriques.

Avant-propos. EXTENSIONS. Chapitre 1. Programmation dynamique avec approximation de la fonction de valeur -R. MUNOS. Chapitre 2. Représentations factorisées -T. DEGRIS, O. SIGAUD. Chapitre 3. Méthodes de gradient pour la recherche de politiques paramétrées -O. BUFFET. Chapitre 4. DEC-MDP/POMDP -A. BEYNIER, F. CHARPILLET, D. SZER, A.-I. MOUADDIB. Chapitre 5. Approches de résolution en ligne -L. PÉRET, F. GARCIA. EXEMPLES D'APPLICATION. Chapitre 6. Recherche d'une zone d'atterrissage en environnement incertain par un hélicoptère autonome -P. FABIANI, F. TEICHTEIL-KÖNIGSBUCH. Chapitre 7. Contrôle d'une mission d'exploration -S. LE GLOANNEC, A.-I. MOUADDIB. Chapitre 8. Planification d'opérations -S. THIÉBAUX, O. BUFFET. Index.