Stokastisk dynamisk programmering — Sekventiel beslutningstagning under usikkerhed
Stokastisk dynamisk programmering (SDP) er et matematisk optimeringsrammeværk for sekventielle beslutningsproblemer, hvor udfaldene er delvist tilfældige. Det udvider Bellmans optimalitetsprincip til stokastiske miljøer, repræsæsenterer problemer som Markov beslutningsprocesser (MDP'er) og beregner optimale politikker ved at løse rekursive værdiligninger over tilstande og tidsperioder.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Kilder
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/da/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.
- Dynamisk ProgrammeringOptimering↔ compare
- MarkovmodelSimulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Stokastisk Lineær ProgrammeringSimulering↔ compare
- Stokastisk HeltalsprogrammeringSimulering↔ compare
- Stokastisk Multi-Objektiv OptimeringSimulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →