Bayesian Dynamic Programming — Optimizacija sekvencijalnih odluka s ažuriranjem Bayesovih uvjerenja
Bayesian Dynamic Programming (BDP) kombinira Bellmanov okvir dinamičkog programiranja s Bayesovskim zaključivanjem za optimizaciju sekvencijalnih odluka kada su vjerojatnosti prijelaza ili strukture nagrađivanja nepoznate. U svakoj fazi, agent ažurira uvjerenja o okruženju koristeći promatrane ishode, a zatim izračunava optimalnu politiku koja izričito uzima u obzir i trenutne nagrade i vrijednost informacija stečenih istraživanjem.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Dynamic Programming — Sequential decision optimization under uncertainty with Bayesian belief updating. ScholarGate. https://scholargate.app/hr/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.
- Bayesov Markovljev modelSimulacija↔ compare
- Dinamičko programiranjeOptimizacija↔ compare
- Potkrepljivačko učenjeDuboko učenje↔ compare
- Stohastično dinamičko programiranjeSimulacija↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →