Bayesovské programování dynamiky — Optimalizace sekvenčních rozhodnutí s aktualizací Bayesovských přesvědčení
Bayesovské programování dynamiky (BDP) kombinuje rámec programování dynamiky Bellmana s Bayesovskou inferencí pro optimalizaci sekvenčních rozhodnutí, když jsou pravděpodobnosti přechodu nebo struktury odměn neznámé. V každé fázi agent aktualizuje přesvědčení o prostředí pomocí pozorovaných výsledků, poté vypočítá optimální politiku, která explicitně zohledňuje jak okamžité odměny, tak hodnotu informací získaných průzkumem.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Bertsekas, D. P. (1995). Dynamic Programming and Optimal Control. Athena Scientific, Belmont, MA. ISBN: 9781886529267
- Duff, M. O. (2002). Optimal Learning: Computational procedures for Bayes-adaptive Markov decision processes. PhD Dissertation, University of Massachusetts Amherst. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Dynamic Programming — Sequential decision optimization under uncertainty with Bayesian belief updating. ScholarGate. https://scholargate.app/cs/simulation/bayesian-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.
- Bayesovský Markovův modelSimulace↔ compare
- Dynamické programováníOptimalizace↔ compare
- Zpětnovazební učeníHluboké učení↔ compare
- Stochastické programováníSimulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →