Stochastische Dynamische Programmering — Sequentiële Besluitvorming Onder Onzekerheid
Stochastische Dynamische Programmering (SDP) is een wiskundig optimalisatiekader voor sequentiële beslissingsproblemen waarbij uitkomsten deels willekeurig zijn. Het breidt Bellmans principe van optimaliteit uit naar stochastische omgevingen, door problemen voor te stellen als Markov Beslissingsprocessen (MDP's) en optimale beleidslijnen te berekenen door recursieve waardevergelijkingen op toestanden en tijdsperioden op te lossen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/nl/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.
- Dynamische programmeringOptimalisatie↔ compare
- Markov ModelSimulatie↔ compare
- Monte Carlo SimulatieBesluitvorming↔ compare
- Stochastische Lineaire ProgrammeringSimulatie↔ compare
- Stochastisch Gemengd-Geheelgetal ProgrammerenSimulatie↔ compare
- Stochastische Multi-Objective OptimalisatieSimulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →