Стохастическое динамическое программирование — Последовательное принятие решений в условиях неопределенности
Стохастическое динамическое программирование (СДП) — это математическая основа оптимизации для задач последовательного принятия решений, в которых результаты частично случайны. Оно расширяет принцип оптимальности Беллмана на стохастические среды, представляя задачи как Марковские процессы принятия решений (МППР) и вычисляя оптимальные политики путем решения рекурсивных уравнений ценности по состояниям и временным периодам.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/ru/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.
- Динамическое программированиеОптимизация↔ compare
- Модель МарковаИмитационное моделирование↔ compare
- Метод Монте-КарлоПринятие решений↔ compare
- Стохастическое линейное программированиеИмитационное моделирование↔ compare
- Стохастическое смешанно-целочисленное программированиеИмитационное моделирование↔ compare
- Стохастическая многокритериальная оптимизацияИмитационное моделирование↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →