Programmation dynamique stochastique — Prise de décision séquentielle en environnement incertain
La programmation dynamique stochastique (PDS) est un cadre d'optimisation mathématique pour les problèmes de décision séquentielle où les résultats sont partiellement aléatoires. Elle étend le principe d'optimalité de Bellman aux environnements stochastiques, représentant les problèmes comme des processus de décision markoviens (PDM) et calculant des politiques optimales en résolvant des équations de valeur récursives sur les états et les périodes.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/fr/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.
- Programmation dynamiqueOptimisation↔ compare
- Modèle de MarkovSimulation↔ compare
- Simulation de Monte-CarloPrise de décision↔ compare
- Programmation Linéaire StochastiqueSimulation↔ compare
- Programmation stochastique à variables mixtes entièresSimulation↔ compare
- Optimisation stochastique multi-objectifsSimulation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →