Μπεϋζιανή Δυναμικός Προγραμματισμός — Βελτιστοποίηση διαδοχικών αποφάσεων με ενημέρωση Μπεϋζιανής πεποίθησης
Ο Μπεϋζιανός Δυναμικός Προγραμματισμός (BDP) συνδυάζει το πλαίσιο δυναμικού προγραμματισμού του Bellman με τη Μπεϋζιανή συμπερασματολογία για τη βελτιστοποίηση διαδοχικών αποφάσεων όταν οι πιθανότητες μετάβασης ή οι δομές ανταμοιβής είναι άγνωστες. Σε κάθε στάδιο, ο πράκτορας ενημερώνει τις πεποιθήσεις του για το περιβάλλον χρησιμοποιώντας παρατηρούμενα αποτελέσματα, στη συνέχεια υπολογίζει μια βέλτιστη πολιτική που λαμβάνει υπόψη ρητά τόσο τις άμεσες ανταμοιβές όσο και την αξία της πληροφορίας που αποκτάται μέσω της εξερεύνησης.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Bayesian Dynamic Programming — Sequential decision optimization under uncertainty with Bayesian belief updating. ScholarGate. https://scholargate.app/el/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.
- Μπεϋζιανό Μοντέλο MarkovΠροσομοίωση↔ compare
- Δυναμικός ΠρογραμματισμόςΒελτιστοποίηση↔ compare
- Ενισχυτική ΜάθησηΒαθιά Μάθηση↔ compare
- Στοχαστικός Δυναμικός ΠρογραμματισμόςΠροσομοίωση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →