Агентно-ориентированная динамическая оптимизация — Последовательное принятие решений в многоагентных системах
Агентно-ориентированная динамическая оптимизация (ABDP) встраивает каркас динамической оптимизации Беллмана в отдельных агентов агентно-ориентированной модели, позволяя каждому агенту решать последовательные, многоэтапные задачи принятия решений с использованием обратной индукции или итерации по целевой функции. Результатом является популяция оптимизирующих агентов, взаимодействие которых порождает эмерджентное поведение на системном уровне.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Bellman, R. (1957). Dynamic Programming. Princeton University Press, Princeton, NJ. ISBN: 9780691079516
- Tesfatsion, L., Judd, K. L. (Eds.) (2006). Handbook of Computational Economics, Volume 2: Agent-Based Computational Economics. Elsevier, Amsterdam. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Agent-Based Dynamic Programming — Sequential Decision-Making in Multi-Agent Systems. ScholarGate. https://scholargate.app/ru/simulation/agent-based-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.
- Агентное моделирование (АМ)Имитационное моделирование↔ compare
- Динамическое программированиеОптимизация↔ compare
- Многокритериальная динамическая программаИмитационное моделирование↔ compare
- Обучение с подкреплениемГлубокое обучение↔ compare
- Стохастическое динамическое программированиеИмитационное моделирование↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →