Стохастично динамично програмиране — Последователно вземане на решения при несигурност
Стохастичното динамично програмиране (СДП) е математическа рамка за оптимизация на задачи за последователно вземане на решения, при които резултатите са частично случайни. То разширява принципа на оптималност на Белман към стохастични среди, представяйки задачите като Марковски процеси на вземане на решения (МПВР) и изчислявайки оптимални политики чрез решаване на рекурсивни уравнения за стойността по състояния и времеви периоди.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Източници
- Bellman, R. (1957). Dynamic Programming. Princeton University Press, Princeton, NJ. ISBN: 9780486428093
- Puterman, M. L. (1994). Markov Decision Processes: Discrete Stochastic Dynamic Programming. John Wiley & Sons, New York. ISBN: 9780471619772
Как да цитирате тази страница
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/bg/simulation/stochastic-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.
- Динамично оптимиранеОптимизация↔ compare
- Марковски моделСимулационно моделиране↔ compare
- Монте Карло симулацияВземане на решения↔ compare
- Стохастично линейно програмиранеСимулационно моделиране↔ compare
- Стохастично смесено-цялочислено програмиранеСимулационно моделиране↔ compare
- Стохастична многокритериална оптимизацияСимулационно моделиране↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →