เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การโปรแกรมพลวัตแบบกำหนดได้× | แบบจำลองมาร์คอฟ× | |
|---|---|---|
| สาขาวิชา | การจำลอง | การจำลอง |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | 1957 | 1906 |
| ผู้ริเริ่ม≠ | Richard E. Bellman | Andrei Markov |
| ประเภท≠ | Exact sequential optimization algorithm | Probabilistic state-transition model |
| แหล่งต้นตำรับ≠ | Bellman, R. E. (1957). Dynamic Programming. Princeton University Press, Princeton, NJ. ISBN: 9780691079516 | Norris, J. R. (1997). Markov Chains. Cambridge University Press, Cambridge. ISBN: 9780521633963 |
| ชื่อเรียกอื่น | DDP, Deterministic DP, Classical Dynamic Programming, Bellman Dynamic Programming | Markov Chain, Discrete-Time Markov Chain, DTMC, Markov Process |
| ที่เกี่ยวข้อง≠ | 6 | 5 |
| สรุป≠ | Deterministic Dynamic Programming (DDP) is a mathematical optimization technique that decomposes a multi-stage decision problem into a sequence of simpler subproblems, solving them exactly when all system parameters — transition functions, costs, and rewards — are known with certainty. It guarantees a globally optimal policy via Bellman's principle of optimality. | A Markov Model represents a system as a finite set of states and specifies the probability of moving from one state to another at each time step. By capturing only the current state — not the full history — it enables tractable analysis of complex dynamic processes across health economics, engineering reliability, operations research, and social-science modeling. |
| ScholarGateชุดข้อมูล ↗ |
|
|