Programowanie stochastyczne dynamiczne — sekwencyjne podejmowanie decyzji w warunkach niepewności
Programowanie stochastyczne dynamiczne (SDP) to matematyczna rama optymalizacyjna dla problemów sekwencyjnego podejmowania decyzji, w których wyniki są częściowo losowe. Rozszerza ono zasadę optymalności Bellmana na środowiska stochastyczne, reprezentując problemy jako Markowowskie procesy decyzyjne (MDP) i obliczając optymalne polityki poprzez rozwiązywanie rekurencyjnych równań wartościowych w stanach i okresach czasowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/pl/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.
- Programowanie dynamiczneOptymalizacja↔ compare
- Model MarkowaSymulacja↔ compare
- Symulacja Monte CarloPodejmowanie decyzji↔ compare
- Programowanie stochastyczne linioweSymulacja↔ compare
- Programowanie stochastyczne z ograniczeniami całkowitoliczbowymiSymulacja↔ compare
- Stochastyczna Optymalizacja WielokryterialnaSymulacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →