Programación Dinámica Estocástica — Toma de Decisiones Secuenciales Bajo Incertidumbre
La Programación Dinámica Estocástica (PDE) es un marco de optimización matemática para problemas de decisión secuenciales cuyos resultados son parcialmente aleatorios. Extiende el principio de optimalidad de Bellman a entornos estocásticos, representando los problemas como Procesos de Decisión de Markov (PDM) y calculando políticas óptimas resolviendo ecuaciones recursivas de valor sobre estados y periodos de tiempo.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/es/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.
- Programación DinámicaOptimización↔ compare
- Modelo de MarkovSimulación↔ compare
- Simulación de Monte CarloToma de decisiones↔ compare
- Programación Lineal EstocásticaSimulación↔ compare
- Programación Estocástica Entera MixtaSimulación↔ compare
- Optimización Estocástica MultiobjetivoSimulación↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →