Approximate dynamic programming by minimizing distributionally robust bounds

Approximate dynamic programming by minimizing distributionally robust bounds

La programacin̤ dinm̀ica aproximada (ADP) es un enfoque popular para resolver problemas extensos de decisin̤ markovianos. En este documento se describe un nuevo tipo de mťodos de tal enfoque programacin̤ dinm̀ica aproximada distribuidamente robusta que aborda el curso de la dimensionalidad al minim...

詳細記述

保存先:
書誌詳細
その他の著者: Petrik Marek, International Conference on Machine Learning (ICML)
フォーマット: 図書
言語:英語
主題:
Administracin̤
Administracin̤ de empresas
Investigacin̤ operacional
Optimizacin̤ matemt̀ica
Management
Business enterprises
Operations research
Mathematical optimization
Ciencias de la administracin̤
Programacin̤ dinm̀ica
Programacin̤ dinm̀ica aproximada
Programacin̤ dinm̀ica aproximada distribuidamente robusta
Lm̕ite pesimista
Optimizacin̤
Modelos computacionales
Administration sciences
Dynamic programming
Approximate dynamic programming
Distributed dynamically approximate dynamic programming
Pessimistic limit
Optimization
Computational models
オンライン･アクセス:Approximate dynamic programming by minimizing distributionally robust bounds
タグ: タグ追加
タグなし, このレコードへの初めてのタグを付けませんか!
その他の書誌記述
要約:La programacin̤ dinm̀ica aproximada (ADP) es un enfoque popular para resolver problemas extensos de decisin̤ markovianos. En este documento se describe un nuevo tipo de mťodos de tal enfoque programacin̤ dinm̀ica aproximada distribuidamente robusta que aborda el curso de la dimensionalidad al minimizar un lm̕ite pesimista. Esta alternativa convierte a la ADP en un problema de optimizacin̤, por lo cual se derivan nuevas formulaciones de programacin̤ matemt̀ica y se analizan sus propiedades.

類似資料