Адаптивне керування слабкокерованими марковськими та напівмарковськими моделями в дискретному часі

Abstract

Досліджується байєсів підхід до проблеми марковських процесів рішень в умовах стохастичної невизначеності, коли невідомі перехідні ймовірності слабко збурені, і тільки збурення залежать від стратегії рішень. Процес рішень припускається стаціонарним, розглядається в дискретному часі з скінченним, зчисленним або вимірним фазовим простором і ґрунтується на принципі розділення задач оцінювання та оптимізації.

Исследуется байесов подход к проблеме марковских процессов решений в условиях стохастической неопределенности, когда неизвестные переходные вероятности слабо возмущены, и только возмущения зависят от стратегии решений. Процесс решений предполагается стационарным в дискретном времени с конечным, счетным или измеримым фазовым пространством и базируется на принципе разделения задач оценивания и оптимизации.

A Bayesian approach to Markov decision process problem under stochastic uncertainty, when unknown transition probabilities are weakly disturbed with disturbances dependent on a decision strategy only is investigated. Observed decision process is assumed to be stationary in discrete time with finite, countable or measurable phase state is based on separation principle of assessment and optimization problems.