Pemrograman Dinamis Stokastik — Pengambilan Keputusan Sekuensial di Bawah Ketidakpastian
Pemrograman Dinamis Stokastik (SDP) adalah kerangka kerja optimasi matematis untuk masalah pengambilan keputusan sekuensial di mana hasil sebagian bersifat acak. SDP memperluas prinsip optimalitas Bellman ke lingkungan stokastik, merepresentasikan masalah sebagai Proses Keputusan Markov (MDP) dan menghitung kebijakan optimal dengan menyelesaikan persamaan nilai rekursif atas keadaan (state) dan periode waktu.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/id/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.
- Pemrograman DinamisOptimasi↔ compare
- Model MarkovSimulasi↔ compare
- Simulasi Monte CarloPengambilan Keputusan↔ compare
- Pemrograman Linear StokastikSimulasi↔ compare
- Pemrograman Campuran-Integer StokastikSimulasi↔ compare
- Optimisasi Stokastik Multi-ObjektifSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →