موقعیت مقطع دکتری در الگوریتم‌های یادگیری برای سیاست‌های غیرقابل فریب

این موقعیت دکتری در موسسه پلی‌تکنیک پاریس (Télécom SudParis) به بررسی استراتژی‌های کاهش تقاضای شخصی‌سازی شده (PDSMS) برای رفتار پایدار، مانند کاهش آلودگی، می‌پردازد. در حالی که مدل‌های پیشرفته فعلی بر تئوری مطلوبیت تصادفی تکیه دارند و صداقت عامدان را فرض می‌کنند، این پروژه سناریوهایی را بررسی می‌کند که در آن ممکن است عوامل رگولاتورها را دستکاری کنند تا سیگنال‌های مطلوبی دریافت کنند. نامزد منتخب، فرمول‌بندی‌های یادگیری تقویتی ریشه‌گرفته در تئوری مطلوبیت را طراحی کرده و اصول طراحی مکانیزم را برای تضمین پایداری رگولاتوری به کار خواهد گرفت. مسئولیت‌ها شامل مدل‌سازی نظری، توسعه الگوریتم و اعتبارسنچی تجربی در یک محیط آزمایشگاهی دانشگاهی مشارکتی است.