Агентно-базирано динамично програмиране — Вземане на последователни решения в многоагентни системи
Агентно-базираното динамично програмиране (АБДП) вгражда рамката на динамичното програмиране на Белман в отделните агенти на агентно-базиран модел, което позволява на всеки агент да решава последователни, многоетапни проблеми за вземане на решения, използвайки обратна индукция или итерация на функцията на стойността. Резултатът е популация от оптимизиращи агенти, чиито взаимодействия генерират емергентно поведение на системно ниво.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Bellman, R. (1957). Dynamic Programming. Princeton University Press, Princeton, NJ. ISBN: 9780691079516
- Tesfatsion, L., Judd, K. L. (Eds.) (2006). Handbook of Computational Economics, Volume 2: Agent-Based Computational Economics. Elsevier, Amsterdam. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Agent-Based Dynamic Programming — Sequential Decision-Making in Multi-Agent Systems. ScholarGate. https://scholargate.app/bg/simulation/agent-based-dynamic-programming
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Агентно-базирано моделиране (ABM)Симулационно моделиране↔ compare
- Динамично оптимиранеОптимизация↔ compare
- Многоцелево динамично оптимиранеСимулационно моделиране↔ compare
- Обучение с подкреплениеДълбоко обучение↔ compare
- Стохастично динамично програмиранеСимулационно моделиране↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →