Stokastisk dynamisk programmering — Sekventiellt beslutsfattande under osäkerhet
Stokastisk dynamisk programmering (SDP) är ett matematiskt optimeringsramverk för sekventiella beslutsproblem där utfallen är delvis slumpmässiga. Det utvidgar Bellmans optimalitetsprincip till stokastiska miljöer, representerar problem som Markov-beslutsprocesser (MDP) och beräknar optimala policyer genom att lösa rekursiva värdeekvationer över tillstånd och tidsperioder.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/sv/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.
- Dynamisk programmeringOptimering↔ compare
- MarkovmodellSimulering↔ compare
- MontecarlosimuleringBeslutsfattande↔ compare
- Stokastisk linjär programmeringSimulering↔ compare
- Stokastisk Mixed-Integer ProgrammingSimulering↔ compare
- Stokastisk multiobjektiv optimeringSimulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →