John N. Tsitsiklis

Fachgebiete und akademische Laufbahn

John Nikolaos Tsitsiklis (* 1958 in Thessaloniki) ist ein griechisch-US-amerikanischer Wirtschaftswissenschaftler und Informatiker. Seine Arbeitsgebiete sind Operations Research, Kontrolltheorie, Optimierung, Systemtheorie und Bestärkendes Lernen. Operations Research befasst sich mit mathematischen Methoden zur Unterstützung von Entscheidungen; Kontrolltheorie untersucht die Steuerung dynamischer Systeme, und Optimierung sucht die beste Lösung unter gegebenen Bedingungen.

Tsitsiklis studierte am Massachusetts Institute of Technology (MIT). Dort erwarb er 1980 einen Bachelor-Abschluss in Mathematik und Elektrotechnik (Informatik) sowie im selben Jahr einen Master-Abschluss in Informatik. Seine Promotion in Elektrotechnik (Informatik) schloss er 1984 bei Michael Athans ab. Ihre Arbeit trug den Titel Problems in decentralized decision-making and computation und behandelt dezentrale Entscheidungsfindung und Berechnung, also Systeme, in denen Entscheidungen nicht von einer einzigen zentralen Stelle getroffen werden.

1983/84 war er Assistant Professor an der Stanford University; anschließend war er am MIT tätig. Er ist Clarence J. Lebel Professor für Elektrotechnik am MIT. Von 2017 bis 2020 leitete er das Laboratory for Information and Decision Systems (LIDS). Bereits von 2002 bis 2005 war er Ko-Direktor des Operations Research Center (ORCS).

Auszeichnungen und Bedeutung der Forschung

Tsitsiklis ist Mitglied der National Academy of Engineering und seit 1999 Mitglied des IEEE. 2007 wurde er Fellow des Institute for Operations Research and the Management Sciences (Informs).

2016 erhielt er den ACM Sigmetrics Achievement Award. Gewürdigt wurden seine Beiträge zur dezentralisierten Kontrolle und Konsensbildung, zur approximativen dynamischen Programmierung und zum statistischen Lernen. Bei der Konsensbildung einigen sich mehrere Beteiligte oder Teilsysteme auf einen gemeinsamen Zustand oder Wert. Approximative dynamische Programmierung nutzt Näherungsverfahren für Entscheidungsprobleme, deren genaue Berechnung zu aufwendig sein kann.

2018 folgten der IEEE Control Systems Award für Beiträge zur Optimierung großer dynamischer und verteilter Systeme sowie gemeinsam mit Dimitri P. Bertsekas der John-von-Neumann-Theorie-Preis. Dieser zeichnete Beiträge zu parallelen und verteilten Systemen sowie zur neurodynamischen Programmierung aus. Außerdem war Tsitsiklis von 2005 bis 2007 im nationalen Forschungsrat Griechenlands und von 2013 bis 2017 Vorsitzender des Rates der Charokopio-Universität. Ehrendoktorwürden erhielt er von der Katholischen Universität Löwen (2008), der Universität für Wirtschaft Athen (2018) und der Universität Charokopio (2019).

Wichtige Schriften

Mehrere Bücher entstanden mit D. Bertsekas: Parallel and distributed computation: numerical methods erschien 1989 bei Prentice Hall und 2015 bei Athena Scientific; Neuro-dynamic programming erschien 1996 bei Athena Scientific; Introduction to probability erschien 2000 beim MIT und 2008 bei Athena Scientific. Mit Dimitris Bertsimas veröffentlichte Tsitsiklis 1997 Introduction to linear optimization bei Athena Scientific.

Zu seinen Aufsätzen zählen Problems in decentralized decision making and computation (1984) sowie der mit D. Bertsekas und M. Athans verfasste Beitrag Distributed asynchronous deterministic and stochastic gradient optimization algorithms, erschienen 1986 in IEEE Transactions on Automatic Control, Band 31, Seiten 803–812. Darin geht es um verteilte, asynchrone Optimierungsverfahren mit Gradienten.

Weitere Arbeiten behandeln Markov-Entscheidungsprozesse, simuliertes Abkühlen, Q-Learning und Lernen mit Zeitdifferenzen. The complexity of Markov decision processes erschien 1987 mit C. H. Papadimitriou in Mathematics of Operations Research, Band 12, Seiten 441–450. Asynchronous stochastic approximation and Q-learning erschien 1994 in Machine Learning, Band 16, Seiten 185–202. Mit B. Van Roy veröffentlichte Tsitsiklis 1996 Analysis of temporal-difference learning with function approximation. Die Auswahl enthält außerdem Arbeiten zur optimalen Planung von Trajektorien sowie zur Komplexität in Systemen und Kontrolle und zur Konvergenz bei Mehragentenkoordination, Konsens und Schwarmbildung.