Stochastic Dynamic Programming — การตัดสินใจตามลำดับภายใต้ความไม่แน่นอน
Stochastic Dynamic Programming (SDP) หรือ การโปรแกรมพลวัตเชิงสุ่ม เป็นกรอบการหาค่าเหมาะที่สุดเชิงคณิตศาสตร์สำหรับปัญหาการตัดสินใจตามลำดับ ซึ่งผลลัพธ์มีความสุ่มบางส่วน โดยเป็นการขยายหลักการของ Bellman เกี่ยวกับความเหมาะสมที่สุดไปยังสภาพแวดล้อมที่มีความสุ่ม โดยแสดงปัญหาในรูปของกระบวนการตัดสินใจแบบมาร์คอฟ (Markov Decision Processes - MDPs) และคำนวณนโยบายที่เหมาะสมที่สุดโดยการแก้สมการค่าเวียนเกิด (recursive value equations) ผ่านสถานะและช่วงเวลา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Stochastic Dynamic Programming (SDP) — Sequential decision-making under uncertainty via Markov decision processes. ScholarGate. https://scholargate.app/th/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.
- การโปรแกรมเชิงพลวัตการหาค่าเหมาะที่สุด↔ compare
- แบบจำลองมาร์คอฟการจำลอง↔ compare
- การจำลองแบบมอนติคาร์โลการตัดสินใจ↔ compare
- การโปรแกรมเชิงเส้นเชิงสุ่มการจำลอง↔ compare
- การโปรแกรมเชิงจำนวนเต็มผสมเชิงสุ่มการจำลอง↔ compare
- การหาค่าเหมาะที่สุดหลายวัตถุประสงค์เชิงสุ่มการจำลอง↔ compare