Wielocelowy Model Markowa — Sekwencyjne Podejmowanie Decyzji dla Konkurujących Celów
Wielocelowy Model Markowa (MOMDP) rozszerza klasyczne Markowskie Procesy Decyzyjne na sytuacje, w których agent musi jednocześnie optymalizować kilka sygnałów nagrody. Zamiast jednej optymalnej strategii, model generuje zbiór strategii Pareto-optymalnych, umożliwiając decydentom zarządzanie kompromisami między konkurującymi celami, takimi jak koszt, ryzyko i przepustowość w czasie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- Roijers, D. M., Vamplew, P., Whiteson, S., & Dazeley, R. (2013). A survey of multi-objective sequential decision-making. Journal of Artificial Intelligence Research, 48, 67–113. DOI: 10.1613/jair.3987 ↗
- Chatterjee, K., Majumdar, R., & Henzinger, T. A. (2006). Markov decision processes with multiple objectives. In Proceedings of STACS 2006, Lecture Notes in Computer Science, vol. 3884, pp. 325–336. Springer, Berlin. DOI: 10.1007/11672142_26 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Multi-objective Markov Decision Process Model. ScholarGate. https://scholargate.app/pl/simulation/multi-objective-markov-model
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Model MarkowaSymulacja↔ porównaj
- Programowanie dynamiczne wieloobszaroweSymulacja↔ porównaj
- Optymalizacja wielocelowaSymulacja↔ porównaj
- Programowanie stochastyczne dynamiczneSymulacja↔ porównaj
- Model stochastyczny MarkowaSymulacja↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →