Riskten kaçınan çok kollu haydut problem

Klasik çok kollu haydut probleminde amaç, karar vericinin dolaylı olarak riske duyarsız olduğu varsayımıyla, beklenen ödülü maksimize eden bir politika bulmaktır. Öte yandan, karar vericiler bazı gerçek yaşam uygulamalarında riskten kaçınırlar. Bu çalışmada, koşullu dinamik risk ölçütlerini kullanarak klasik çok kollu haydut problemleri (ÇKH) için, amacın riske göre ayarlanmış en iyi indirimli toplam çıktıyı veren bir politika bulmak olduğu, yeni bir yaklaşım öneriyoruz. Bu yeni yaklaşıma göre ÇKH'nın teorik analizini yapıyoruz ve Gittins endeksine benzer yapılara sahip riskten kaçınan tahsis endeksleri veren iki farklı öncelik endeksi öneriyoruz. Önerilen ilk yöntem, Lagrange çifteşliğine dayanmakta ve endeksler aktivasyon kısıtına karşılık gelen Lagrange çarpanı olarak ifade edilmektedir. İkinci bölümde, Whittle'ın emeklilik sorununa dayanan teorik bir analiz sunuyoruz ve önerilen riskten kaçınan tahsis endekslerini hesaplamak için Gittins endeksinin başlangıç durumundan yeniden başlatma formulasyonunun genelleştirilmiş bir versiyonunu öneriyoruz. Son olarak, önerilen yöntemlerin pratik bir uygulaması olarak, klinik deneylerin optimal tasarımına odaklanıyoruz ve Bayesian Bernoulli modeline dayalı olarak riskten kaçınan tedavi tahsisini gerçekleştirmek için riskten kaçınan ÇKH yaklaşımımızı uyguluyoruz. Yaklaşımımızın performansını, sabit rastgeleleştirme dahil olmak üzere diğer tah- sis kurallarına göre değerlendiriyoruz.