Stochastische Dynamische Programmierung – Sequenzielle Entscheidungsfindung unter Unsicherheit
Die Stochastische Dynamische Programmierung (SDP) ist ein mathematisches Optimierungsframework für sequentielle Entscheidungsprobleme, bei denen die Ergebnisse teilweise zufällig sind. Sie erweitert Bellmans Optimalitätsprinzip auf stochastische Umgebungen, indem sie Probleme als Markov-Entscheidungsprozesse (MEP) darstellt und optimale Politiken durch Lösen rekursiver Wertgleichungen über Zustände und Zeitperioden berechnet.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/de/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.
- Dynamische ProgrammierungOptimierung↔ compare
- Markov-ModellSimulation↔ compare
- Monte-Carlo-SimulationEntscheidungsfindung↔ compare
- Stochastische Lineare ProgrammierungSimulation↔ compare
- Stochastische Gemischt-Ganzzahlige ProgrammierungSimulation↔ compare
- Stochastische Multi-Objektiv-OptimierungSimulation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →