Bayesian Dynamic Programming — การหาค่าที่เหมาะสมที่สุดของการตัดสินใจตามลำดับพร้อมกับการปรับปรุงความเชื่อแบบเบย์เซียน
Bayesian Dynamic Programming (BDP) ผสานกรอบการทำงานของ dynamic programming ของ Bellman เข้ากับการอนุมานแบบเบย์เซียน เพื่อหาค่าที่เหมาะสมที่สุดของการตัดสินใจตามลำดับ เมื่อความน่าจะเป็นในการเปลี่ยนสถานะ (transition probabilities) หรือโครงสร้างของรางวัล (reward structures) ไม่เป็นที่ทราบ ในแต่ละขั้น ตัวแทน (agent) จะปรับปรุงความเชื่อเกี่ยวกับสภาพแวดล้อมโดยใช้ผลลัพธ์ที่สังเกตได้ จากนั้นจึงคำนวณนโยบายที่เหมาะสมที่สุด (optimal policy) ซึ่งพิจารณาทั้งรางวัลทันทีและคุณค่าของข้อมูลที่ได้รับจากการสำรวจอย่างชัดเจน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Bertsekas, D. P. (1995). Dynamic Programming and Optimal Control. Athena Scientific, Belmont, MA. ISBN: 9781886529267
- Duff, M. O. (2002). Optimal Learning: Computational procedures for Bayes-adaptive Markov decision processes. PhD Dissertation, University of Massachusetts Amherst. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Dynamic Programming — Sequential decision optimization under uncertainty with Bayesian belief updating. ScholarGate. https://scholargate.app/th/simulation/bayesian-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.
- แบบจำลองมาร์คอฟแบบเบย์ (Bayesian Markov Model)การจำลอง↔ compare
- การโปรแกรมเชิงพลวัตการหาค่าเหมาะที่สุด↔ compare
- การเรียนรู้แบบเสริมกำลังการเรียนรู้เชิงลึก↔ compare
- Stochastic Dynamic Programmingการจำลอง↔ compare