Stokastisk dynamisk programmering – Sekvensiell beslutningstaking under usikkerhet
Stokastisk dynamisk programmering (SDP) er et matematisk optimeringsrammeverk for sekvensielle beslutningsproblemer der utfallene er delvis tilfeldige. Det utvider Bellmans optimalitetsprinsipp til stokastiske miljøer, representerer problemer som Markov beslutningsprosesser (MDP-er) og beregner optimale strategier ved å løse rekursive verdiligninger over tilstander og tidsperioder.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/no/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.
- Dynamisk programmeringOptimering↔ compare
- Markov-modellSimulering↔ compare
- Monte Carlo-simuleringBeslutningstaking↔ compare
- Stokastisk lineær programmeringSimulering↔ compare
- Stokastisk heltallsprogrammeringSimulering↔ compare
- Stokastisk multi-objektiv optimeringSimulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →