InforLorV4, Istex, Corpus, bibRecord, 001D08

Distribution sur les croyances pour la planification de Dec-POMDP

Identifieur interne : 001D08 ( Istex/Corpus ); précédent : 001D07; suivant : 001D09

Distribution sur les croyances pour la planification de Dec-POMDP

Auteurs : Gabriel Corona ; François Charpillet

Source :

Revue d'Intelligence Artificielle [ 0992-499X ] ; 2010.

RBID : ISTEX:7CC4F50B4BB5A1385672B948EE1936C1F792F485

Abstract

Nous proposons une nouvelle méthode de calcul d’une politique approchée d’un Dec-POMDP qui surpasse les approches de l’état de l’art dont PBDP et MBDP. Notre approche est fondée sur une estimation de la distribution de probabilité des croyances atteignables pour un horizon donné. Cette estimation est faite en simulant l’exécution d’une politique heuristique du Dec-POMDP considéré. Cette distribution de probabilité des croyances est ensuite utilisée pour choisir les arbres de politique candidats à l’horizon considéré grâce à un critère simple qui cherche à minimiser l’erreur induite par l’élagage.

We propose a new method to compute an approximate policy of a Dec-POMDP which outperforms state of the art approaches including PBDP and MBDP. Our approach is based on an estimation of the probability distribution of beliefs reachable for a given horizon. This estimation is done by simulating the execution of an heuristic policy of the Dec-POMDP. This probability distribution over beliefs is then used to choose the candidate policy trees for the given horizon using a simple criterion which tries to minimise the error induced by pruning.

Url:

https://api.istex.fr/ark:/67375/HT0-LV01NMVD-Z/fulltext.pdf

DOI: 10.3166/ria.24.525-544

Links to Exploration step

ISTEX:7CC4F50B4BB5A1385672B948EE1936C1F792F485

Le document en format XML

<record><TEI wicri:istexFullTextTei="biblStruct"><teiHeader><fileDesc><titleStmt><title xml:lang="fr">Distribution sur les croyances pour la planification de Dec-POMDP</title>
<author><name sortKey="Corona, Gabriel" sort="Corona, Gabriel" uniqKey="Corona G" first="Gabriel" last="Corona">Gabriel Corona</name>
<affiliation><mods:affiliation>E-mail: gabriel.corona@loria.fr</mods:affiliation>
</affiliation>
</author>
<author><name sortKey="Charpillet, Francois" sort="Charpillet, Francois" uniqKey="Charpillet F" first="François" last="Charpillet">François Charpillet</name>
<affiliation><mods:affiliation>E-mail: francois.charpillet@loria.fr</mods:affiliation>
</affiliation>
</author>
</titleStmt>
<publicationStmt><idno type="wicri:source">ISTEX</idno>
<idno type="RBID">ISTEX:7CC4F50B4BB5A1385672B948EE1936C1F792F485</idno>
<date when="2010" year="2010">2010</date>
<idno type="doi">10.3166/ria.24.525-544</idno>
<idno type="url">https://api.istex.fr/ark:/67375/HT0-LV01NMVD-Z/fulltext.pdf</idno>
<idno type="wicri:Area/Istex/Corpus">001D08</idno>
<idno type="wicri:explorRef" wicri:stream="Istex" wicri:step="Corpus" wicri:corpus="ISTEX">001D08</idno>
</publicationStmt>
<sourceDesc><biblStruct><analytic><title level="a" type="main" xml:lang="fr">Distribution sur les croyances pour la planification de Dec-POMDP</title>
<author><name sortKey="Corona, Gabriel" sort="Corona, Gabriel" uniqKey="Corona G" first="Gabriel" last="Corona">Gabriel Corona</name>
<affiliation><mods:affiliation>E-mail: gabriel.corona@loria.fr</mods:affiliation>
</affiliation>
</author>
<author><name sortKey="Charpillet, Francois" sort="Charpillet, Francois" uniqKey="Charpillet F" first="François" last="Charpillet">François Charpillet</name>
<affiliation><mods:affiliation>E-mail: francois.charpillet@loria.fr</mods:affiliation>
</affiliation>
</author>
</analytic>
<monogr></monogr>
<series><title level="j" type="main">Revue d'Intelligence Artificielle</title>
<title level="j" type="abbrev">Rev. Int. Artificielle</title>
<idno type="ISSN">0992-499X</idno>
<idno type="eISSN">1958-5748</idno>
<imprint><publisher>Lavoisier</publisher>
<date type="published" when="2010-07">2010</date>
<biblScope unit="vol">24</biblScope>
<biblScope unit="issue">4</biblScope>
<biblScope unit="page" from="525">525</biblScope>
<biblScope unit="page" to="544">544</biblScope>
<biblScope unit="page-count">20</biblScope>
<biblScope unit="ref-count">0</biblScope>
<biblScope unit="fig-count">0</biblScope>
<biblScope unit="table-count">0</biblScope>
</imprint>
<idno type="ISSN">0992-499X</idno>
</series>
</biblStruct>
</sourceDesc>
<seriesStmt><idno type="ISSN">0992-499X</idno>
</seriesStmt>
</fileDesc>
<profileDesc><textClass></textClass>
</profileDesc>
</teiHeader>
<front><div type="abstract" xml:lang="fr">Nous proposons une nouvelle méthode de calcul d’une politique approchée d’un Dec-POMDP qui surpasse les approches de l’état de l’art dont PBDP et MBDP. Notre approche est fondée sur une estimation de la distribution de probabilité des croyances atteignables pour un horizon donné. Cette estimation est faite en simulant l’exécution d’une politique heuristique du Dec-POMDP considéré. Cette distribution de probabilité des croyances est ensuite utilisée pour choisir les arbres de politique candidats à l’horizon considéré grâce à un critère simple qui cherche à minimiser l’erreur induite par l’élagage.</div>
<div type="abstract" xml:lang="en">We propose a new method to compute an approximate policy of a Dec-POMDP which outperforms state of the art approaches including PBDP and MBDP. Our approach is based on an estimation of the probability distribution of beliefs reachable for a given horizon. This estimation is done by simulating the execution of an heuristic policy of the Dec-POMDP. This probability distribution over beliefs is then used to choose the candidate policy trees for the given horizon using a simple criterion which tries to minimise the error induced by pruning.</div>
</front>
</TEI>
<istex><corpusName>lavoisier</corpusName>
<author><json:item><name>Gabriel Corona</name>
<affiliations><json:string>E-mail: gabriel.corona@loria.fr</json:string>
</affiliations>
</json:item>
<json:item><name>François Charpillet</name>
<affiliations><json:string>E-mail: francois.charpillet@loria.fr</json:string>
</affiliations>
</json:item>
</author>
<subject><json:item><lang><json:string>fre</json:string>
</lang>
<value>Dec-POMDP</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>planification</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>systèmes multiagent</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>programmation dynamique</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>optimisation combinatoire</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>Dec-POMDP</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>planning</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>multi-agent systems</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>dynamic programming</value>
</json:item>
<json:item><lang><json:string>fre</json:string>
</lang>
<value>combinatorial optimisation</value>
</json:item>
</subject>
<arkIstex>ark:/67375/HT0-LV01NMVD-Z</arkIstex>
<language><json:string>fre</json:string>
</language>
<originalGenre><json:string>research-article</json:string>
</originalGenre>
<abstract>Nous proposons une nouvelle méthode de calcul d’une politique approchée d’un Dec-POMDP qui surpasse les approches de l’état de l’art dont PBDP et MBDP. Notre approche est fondée sur une estimation de la distribution de probabilité des croyances atteignables pour un horizon donné. Cette estimation est faite en simulant l’exécution d’une politique heuristique du Dec-POMDP considéré. Cette distribution de probabilité des croyances est ensuite utilisée pour choisir les arbres de politique candidats à l’horizon considéré grâce à un critère simple qui cherche à minimiser l’erreur induite par l’élagage.</abstract>
<qualityIndicators><score>8.056</score>
<pdfWordCount>6307</pdfWordCount>
<pdfCharCount>34881</pdfCharCount>
<pdfVersion>1.4</pdfVersion>
<pdfPageCount>20</pdfPageCount>
<pdfPageSize>595 x 842 pts (A4)</pdfPageSize>
<refBibsNative>false</refBibsNative>
<abstractWordCount>88</abstractWordCount>
<abstractCharCount>603</abstractCharCount>
<keywordCount>10</keywordCount>
</qualityIndicators>
<title>Distribution sur les croyances pour la planification de Dec-POMDP</title>
<genre><json:string>research-article</json:string>
</genre>
<host><title>Revue d'Intelligence Artificielle</title>
<language><json:string>unknown</json:string>
</language>
<issn><json:string>0992-499X</json:string>
</issn>
<eissn><json:string>1958-5748</json:string>
</eissn>
<publisherId><json:string>ria</json:string>
</publisherId>
<volume>24</volume>
<issue>4</issue>
<pages><first>525</first>
<last>544</last>
<total>20</total>
</pages>
<genre><json:string>journal</json:string>
</genre>
</host>
<ark><json:string>ark:/67375/HT0-LV01NMVD-Z</json:string>
</ark>
<publicationDate>2010</publicationDate>
<copyrightDate>2010</copyrightDate>
<doi><json:string>10.3166/ria.24.525-544</json:string>
</doi>
<id>7CC4F50B4BB5A1385672B948EE1936C1F792F485</id>
<score>1</score>
<fulltext><json:item><extension>pdf</extension>
<original>true</original>
<mimetype>application/pdf</mimetype>
<uri>https://api.istex.fr/ark:/67375/HT0-LV01NMVD-Z/fulltext.pdf</uri>
</json:item>
<json:item><extension>zip</extension>
<original>false</original>
<mimetype>application/zip</mimetype>
<uri>https://api.istex.fr/ark:/67375/HT0-LV01NMVD-Z/bundle.zip</uri>
</json:item>
<istex:fulltextTEI uri="https://api.istex.fr/ark:/67375/HT0-LV01NMVD-Z/fulltext.tei"><teiHeader><fileDesc><titleStmt><title level="a" type="main">Distribution sur les croyances pour la planification de Dec-POMDP</title>
<respStmt><resp>Références bibliographiques récupérées via GROBID</resp>
<name resp="ISTEX-API">ISTEX-API (INIST-CNRS)</name>
</respStmt>
</titleStmt>
<publicationStmt><authority>ISTEX</authority>
<publisher>Lavoisier</publisher>
<availability><licence>© Lavoisier SAS 2010</licence>
<p>Lavoisier SAS</p>
</availability>
<date type="published" when="2010-07">2010</date>
<date type="Copyright" when="2010">2010</date>
</publicationStmt>
<notesStmt><note type="content-type" source="research-article" scheme="https://content-type.data.istex.fr/ark:/67375/XTP-1JC4F85T-7">research-article</note>
<note type="publication-type" scheme="https://publication-type.data.istex.fr/ark:/67375/JMC-0GLKJH51-B">journal</note>
</notesStmt>
<sourceDesc><biblStruct type="article"><analytic><title level="a" type="main" xml:lang="fr">Distribution sur les croyances pour la planification de Dec-POMDP</title>
<title level="a" type="sub">PSMBDP</title>
<author xml:id="author-0000" role="corresp"><persName><surname>Corona</surname>
<forename type="first">Gabriel</forename>
</persName>
<affiliation><address><orgName type="institution">INRIA, LORIA, Campus Scientifique</orgName>
<name type="postbox">BP 239</name>
<postCode>F-54506</postCode>
<settlement>Vandœuvre-lès-Nancy Cedex</settlement>
</address>
</affiliation>
<email>gabriel.corona@loria.fr</email>
<email>francois.charpillet@loria.fr</email>
</author>
<author xml:id="author-0001" role="corresp"><persName><surname>Charpillet</surname>
<forename type="first">François</forename>
</persName>
<affiliation><address><orgName type="institution">INRIA, LORIA, Campus Scientifique</orgName>
<name type="postbox">BP 239</name>
<postCode>F-54506</postCode>
<settlement>Vandœuvre-lès-Nancy Cedex</settlement>
</address>
</affiliation>
<email>gabriel.corona@loria.fr</email>
<email>francois.charpillet@loria.fr</email>
</author>
<idno type="istex">7CC4F50B4BB5A1385672B948EE1936C1F792F485</idno>
<idno type="ark">ark:/67375/HT0-LV01NMVD-Z</idno>
<idno type="DOI">10.3166/ria.24.525-544</idno>
<idno type="publisher-id">ria244p525</idno>
</analytic>
<monogr><title level="j" type="main">Revue d'Intelligence Artificielle</title>
<title level="j" type="abbrev">Rev. Int. Artificielle</title>
<idno type="publisher-id">ria</idno>
<idno type="pISSN">0992-499X</idno>
<idno type="eISSN">1958-5748</idno>
<imprint><publisher>Lavoisier</publisher>
<date type="published" when="2010-07">2010</date>
<biblScope unit="vol">24</biblScope>
<biblScope unit="issue">4</biblScope>
<biblScope unit="page" from="525">525</biblScope>
<biblScope unit="page" to="544">544</biblScope>
<biblScope unit="page-count">20</biblScope>
<biblScope unit="ref-count">0</biblScope>
<biblScope unit="fig-count">0</biblScope>
<biblScope unit="table-count">0</biblScope>
</imprint>
</monogr>
</biblStruct>
</sourceDesc>
</fileDesc>
<profileDesc><abstract xml:lang="fr"><p>Nous proposons une nouvelle méthode de calcul d’une politique approchée d’un Dec-POMDP qui surpasse les approches de l’état de l’art dont PBDP et MBDP. Notre approche est fondée sur une estimation de la distribution de probabilité des croyances atteignables pour un horizon donné. Cette estimation est faite en simulant l’exécution d’une politique heuristique du Dec-POMDP considéré. Cette distribution de probabilité des croyances est ensuite utilisée pour choisir les arbres de politique candidats à l’horizon considéré grâce à un critère simple qui cherche à minimiser l’erreur induite par l’élagage.</p>
</abstract>
<abstract xml:lang="en"><p>We propose a new method to compute an approximate policy of a Dec-POMDP which outperforms state of the art approaches including PBDP and MBDP. Our approach is based on an estimation of the probability distribution of beliefs reachable for a given horizon. This estimation is done by simulating the execution of an heuristic policy of the Dec-POMDP. This probability distribution over beliefs is then used to choose the candidate policy trees for the given horizon using a simple criterion which tries to minimise the error induced by pruning.</p>
</abstract>
<textClass ana="keyword"><keywords xml:lang="fr"><term>Dec-POMDP</term>
<term>planification</term>
<term>systèmes multiagent</term>
<term>programmation dynamique</term>
<term>optimisation combinatoire</term>
</keywords>
</textClass>
<textClass ana="keyword"><keywords xml:lang="en"><term>Dec-POMDP</term>
<term>planning</term>
<term>multi-agent systems</term>
<term>dynamic programming</term>
<term>combinatorial optimisation</term>
</keywords>
</textClass>
<langUsage><language ident="fr"></language>
</langUsage>
</profileDesc>
<revisionDesc><change xml:id="refBibs-istex" who="#ISTEX-API" when="2019-01-15">References added</change>
</revisionDesc>
</teiHeader>
</istex:fulltextTEI>
<json:item><extension>txt</extension>
<original>false</original>
<mimetype>text/plain</mimetype>
<uri>https://api.istex.fr/ark:/67375/HT0-LV01NMVD-Z/fulltext.txt</uri>
</json:item>
</fulltext>
<metadata><istex:metadataXml wicri:clean="corpus lavoisier not found" wicri:toSee="no header"><istex:xmlDeclaration>version="1.0" encoding="UTF-8"</istex:xmlDeclaration>
<istex:docType PUBLIC="-//EDP//DTD EDP Publishing JATS v1.0 20130606//EN" URI="JATS-edppublishing1.dtd" name="istex:docType"></istex:docType>
<istex:document><article article-type="research-article" dtd-version="1.0" xml:lang="fr">

	<front>

		<journal-meta>

			<journal-id journal-id-type="publisher-id">ria</journal-id>

			<journal-title-group>

				<journal-title>Revue d'Intelligence Artificielle</journal-title>

				<abbrev-journal-title abbrev-type="publisher">Rev. Int. Artificielle</abbrev-journal-title>

			</journal-title-group>

			<issn pub-type="ppub">0992-499X</issn>

			<issn pub-type="epub">1958-5748</issn>

			<publisher>

				<publisher-name>Lavoisier</publisher-name>

			</publisher>

		</journal-meta>

		<article-meta>

			<article-id pub-id-type="doi">10.3166/ria.24.525-544</article-id>

			<article-id pub-id-type="publisher-id">ria244p525</article-id>

			<title-group>

				<article-title xml:lang="fr">Distribution sur les croyances pour la planification de Dec-POMDP</article-title>

				<subtitle xml:lang="fr">PSMBDP</subtitle>

			</title-group>

			<contrib-group content-type="authors">

				<contrib contrib-type="author" corresp="yes">

					<name>

						<surname>Corona</surname>

						<given-names>Gabriel</given-names>

					</name>

					<xref ref-type="corresp" rid="FN1">*</xref>

				</contrib>

				<contrib contrib-type="author" corresp="yes">

					<name>

						<surname>Charpillet</surname>

						<given-names>François</given-names>

					</name>

					<xref ref-type="corresp" rid="FN2">**</xref>

				</contrib>

			</contrib-group>

			<aff id="AFF1">

				<addr-line>

					<institution>INRIA, LORIA, Campus Scientifique</institution>
, <named-content content-type="postbox">BP 239</named-content>
, <named-content content-type="postcode">F-54506</named-content>

					<named-content content-type="city">Vandœuvre-lès-Nancy Cedex</named-content>

				</addr-line>

			</aff>

			<author-notes>

				<corresp id="FN1">

					<label>*</label>

					<email>gabriel.corona@loria.fr</email>

				</corresp>

				<corresp id="FN2">

					<label>**</label>

					<email>francois.charpillet@loria.fr</email>

				</corresp>

			</author-notes>

			<pub-date date-type="pub" publication-format="print">

				<month>07</month>

				<year>2010</year>

			</pub-date>

			<volume>24</volume>

			<issue>4</issue>

			<fpage>525</fpage>

			<lpage>544</lpage>

			<permissions>

				<copyright-statement>© Lavoisier SAS 2010</copyright-statement>

				<copyright-year>2010</copyright-year>

				<copyright-holder>Lavoisier SAS</copyright-holder>

			</permissions>

			<abstract xml:lang="fr">

				<p>Nous proposons une nouvelle méthode de calcul d’une politique approchée d’un Dec-POMDP qui surpasse les approches de l’état de l’art dont PBDP et MBDP. Notre approche est fondée sur une estimation de la distribution de probabilité des croyances atteignables pour un horizon donné. Cette estimation est faite en simulant l’exécution d’une politique heuristique du Dec-POMDP considéré. Cette distribution de probabilité des croyances est ensuite utilisée pour choisir les arbres de politique candidats à l’horizon considéré grâce à un critère simple qui cherche à minimiser l’erreur induite par l’élagage.</p>

			</abstract>

			<trans-abstract xml:lang="en">

				<p>We propose a new method to compute an approximate policy of a Dec-POMDP which outperforms state of the art approaches including PBDP and MBDP. Our approach is based on an estimation of the probability distribution of beliefs reachable for a given horizon. This estimation is done by simulating the execution of an heuristic policy of the Dec-POMDP. This probability distribution over beliefs is then used to choose the candidate policy trees for the given horizon using a simple criterion which tries to minimise the error induced by pruning.</p>

			</trans-abstract>

			<kwd-group xml:lang="fr">

				<kwd>Dec-POMDP</kwd>

				<kwd>planification</kwd>

				<kwd>systèmes multiagent</kwd>

				<kwd>programmation dynamique</kwd>

				<kwd>optimisation combinatoire</kwd>

			</kwd-group>

			<kwd-group xml:lang="en">

				<kwd>Dec-POMDP</kwd>

				<kwd>planning</kwd>

				<kwd>multi-agent systems</kwd>

				<kwd>dynamic programming</kwd>

				<kwd>combinatorial optimisation</kwd>

			</kwd-group>

			<counts>

				<fig-count count="0"></fig-count>

				<table-count count="0"></table-count>

				<equation-count count="0"></equation-count>

				<ref-count count="0"></ref-count>

				<page-count count="20"></page-count>

			</counts>

			<custom-meta-group>

				<custom-meta>

					<meta-name>idline</meta-name>

					<meta-value>Revue d’intelligence artificielle. Volume 24 – n° 4/2010, pages 525 à 544</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>cover_date</meta-name>

					<meta-value>Juillet-Août 2010</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>first_month</meta-name>

					<meta-value>07</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>last_month</meta-name>

					<meta-value>08</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>first_year</meta-name>

					<meta-value>2010</meta-value>

				</custom-meta>

				<custom-meta>

					<meta-name>last_year</meta-name>

					<meta-value>2010</meta-value>

				</custom-meta>

			</custom-meta-group>

		</article-meta>

	</front>

</article>

</istex:document>
</istex:metadataXml>
<mods version="3.6"><titleInfo lang="fr"><title>Distribution sur les croyances pour la planification de Dec-POMDP</title>
<subTitle>PSMBDP</subTitle>
</titleInfo>
<titleInfo type="alternative" lang="fr" contentType="CDATA"><title>Distribution sur les croyances pour la planification de Dec-POMDP</title>
<subTitle>PSMBDP</subTitle>
</titleInfo>
<name type="personal" displayLabel="corresp"><namePart type="given">Gabriel</namePart>
<namePart type="family">Corona</namePart>
<affiliation>E-mail: gabriel.corona@loria.fr</affiliation>
<role><roleTerm type="text">author</roleTerm>
</role>
</name>
<name type="personal" displayLabel="corresp"><namePart type="given">François</namePart>
<namePart type="family">Charpillet</namePart>
<affiliation>E-mail: francois.charpillet@loria.fr</affiliation>
<role><roleTerm type="text">author</roleTerm>
</role>
</name>
<typeOfResource>text</typeOfResource>
<genre type="research-article" displayLabel="research-article" authority="ISTEX" authorityURI="https://content-type.data.istex.fr" valueURI="https://content-type.data.istex.fr/ark:/67375/XTP-1JC4F85T-7">research-article</genre>
<originInfo><publisher>Lavoisier</publisher>
<dateIssued encoding="w3cdtf">2010</dateIssued>
<copyrightDate encoding="w3cdtf">2010</copyrightDate>
</originInfo>
<language><languageTerm type="code" authority="iso639-2b">fre</languageTerm>
<languageTerm type="code" authority="rfc3066">fr</languageTerm>
</language>
<physicalDescription></physicalDescription>
<abstract lang="fr">Nous proposons une nouvelle méthode de calcul d’une politique approchée d’un Dec-POMDP qui surpasse les approches de l’état de l’art dont PBDP et MBDP. Notre approche est fondée sur une estimation de la distribution de probabilité des croyances atteignables pour un horizon donné. Cette estimation est faite en simulant l’exécution d’une politique heuristique du Dec-POMDP considéré. Cette distribution de probabilité des croyances est ensuite utilisée pour choisir les arbres de politique candidats à l’horizon considéré grâce à un critère simple qui cherche à minimiser l’erreur induite par l’élagage.</abstract>
<abstract lang="en">We propose a new method to compute an approximate policy of a Dec-POMDP which outperforms state of the art approaches including PBDP and MBDP. Our approach is based on an estimation of the probability distribution of beliefs reachable for a given horizon. This estimation is done by simulating the execution of an heuristic policy of the Dec-POMDP. This probability distribution over beliefs is then used to choose the candidate policy trees for the given horizon using a simple criterion which tries to minimise the error induced by pruning.</abstract>
<subject lang="fr"><genre>keywords</genre>
<topic>Dec-POMDP</topic>
<topic>planification</topic>
<topic>systèmes multiagent</topic>
<topic>programmation dynamique</topic>
<topic>optimisation combinatoire</topic>
</subject>
<subject lang="en"><genre>keywords</genre>
<topic>Dec-POMDP</topic>
<topic>planning</topic>
<topic>multi-agent systems</topic>
<topic>dynamic programming</topic>
<topic>combinatorial optimisation</topic>
</subject>
<relatedItem type="host"><titleInfo><title>Revue d'Intelligence Artificielle</title>
</titleInfo>
<genre type="journal" authority="ISTEX" authorityURI="https://publication-type.data.istex.fr" valueURI="https://publication-type.data.istex.fr/ark:/67375/JMC-0GLKJH51-B">journal</genre>
<identifier type="ISSN">0992-499X</identifier>
<identifier type="eISSN">1958-5748</identifier>
<identifier type="PublisherID">ria</identifier>
<part><date>2010</date>
<detail type="volume"><caption>vol.</caption>
<number>24</number>
</detail>
<detail type="issue"><caption>no.</caption>
<number>4</number>
</detail>
<extent unit="pages"><start>525</start>
<end>544</end>
<total>20</total>
</extent>
</part>
</relatedItem>
<identifier type="istex">7CC4F50B4BB5A1385672B948EE1936C1F792F485</identifier>
<identifier type="ark">ark:/67375/HT0-LV01NMVD-Z</identifier>
<identifier type="DOI">10.3166/ria.24.525-544</identifier>
<identifier type="publisher-ID">ria244p525</identifier>
<accessCondition type="use and reproduction" contentType="copyright">© Lavoisier SAS 2010</accessCondition>
<recordInfo><recordContentSource authority="ISTEX" authorityURI="https://loaded-corpus.data.istex.fr" valueURI="https://loaded-corpus.data.istex.fr/ark:/67375/XBH-4L897VLR-T">lavoisier</recordContentSource>
<recordOrigin>© Lavoisier SAS 2010</recordOrigin>
</recordInfo>
</mods>
<json:item><extension>json</extension>
<original>false</original>
<mimetype>application/json</mimetype>
<uri>https://api.istex.fr/ark:/67375/HT0-LV01NMVD-Z/record.json</uri>
</json:item>
</metadata>
<serie></serie>
</istex>
</record>

Pour manipuler ce document sous Unix (Dilib)

EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/Istex/Corpus

HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 001D08 | SxmlIndent | more

HfdSelect -h $EXPLOR_AREA/Data/Istex/Corpus/biblio.hfd -nk 001D08 | SxmlIndent | more

Pour mettre un lien sur cette page dans le réseau Wicri

{{Explor lien
   |wiki=    Wicri/Lorraine
   |area=    InforLorV4
   |flux=    Istex
   |étape=   Corpus
   |type=    RBID
   |clé=     ISTEX:7CC4F50B4BB5A1385672B948EE1936C1F792F485
   |texte=   Distribution sur les croyances pour la planification de Dec-POMDP
}}

This area was generated with Dilib version V0.6.33.
Data generation: Mon Jun 10 21:56:28 2019. Site generation: Fri Feb 25 15:29:27 2022

	Serveur d'exploration sur la recherche en informatique en Lorraine
	Attention, ce site est en cours de développement ! Attention, site généré par des moyens informatiques à partir de corpus bruts. Les informations ne sont donc pas validées.

Serveur d'exploration sur la recherche en informatique en Lorraine

Distribution sur les croyances pour la planification de Dec-POMDP

Distribution sur les croyances pour la planification de Dec-POMDP

Source :

Abstract

Links to Exploration step

Le document en format XML

Pour manipuler ce document sous Unix (Dilib)

Pour mettre un lien sur cette page dans le réseau Wicri