Динамическое программирование с учётом сценариев политики — Последовательная оценка политики посредством оптимальности Беллмана для дискретных будущих состояний
Динамическое программирование с учётом сценариев политики (Policy Scenario Dynamic Programming, PSDP) применяет рекурсивную оптимизационную основу Беллмана к набору заранее определённых сценариев политики, позволяя лицам, принимающим решения, сравнивать поэтапные, последовательные решения в различных будущих условиях. Оно разлагает сложный многопериодный выбор политики на решаемые подзадачи, решаемые в обратном порядке по времени, что позволяет получить оптимальные последовательности действий для каждого сценария и структурированную основу для сравнения сценариев.
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
- Puterman, M. L. (1994). Markov Decision Processes: Discrete Stochastic Dynamic Programming. John Wiley & Sons, New York. ISBN: 9780471619772
Как цитировать эту страницу
ScholarGate. (2026, June 3). Policy Scenario Dynamic Programming — Sequential policy evaluation via Bellman optimality across discrete future states. ScholarGate. https://scholargate.app/ru/simulation/policy-scenario-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.
- Динамическое программированиеОптимизация↔ compare
- Модель МарковаИмитационное моделирование↔ compare
- Многокритериальная динамическая программаИмитационное моделирование↔ compare
- Анализ политических сценариевИмитационное моделирование↔ compare
- Стохастическое динамическое программированиеИмитационное моделирование↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →