Process / pipelineSimulation / optimization
ベイズ動的計画法 — ベイズ信念更新を伴う逐次的意思決定最適化
ベイズ動的計画法（BDP）は、ベルマンの動的計画法の枠組みとベイズ推論を組み合わせ、遷移確率や報酬構造が未知の場合の逐次的意思決定を最適化する。各段階で、エージェントは観測された結果を用いて環境に関する信念を更新し、即時報酬と探査によって得られる情報の価値の両方を明示的に考慮した最適方策を計算する。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Dynamic Programming — Sequential decision optimization under uncertainty with Bayesian belief updating. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →