کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6897022 1446015 2015 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Solving average cost Markov decision processes by means of a two-phase time aggregation algorithm
ترجمه فارسی عنوان
حل متوسط ​​تصمیم گیری های تصمیم گیری مارکوف با استفاده از الگوریتم تجمیع زمان دو فاز
کلمات کلیدی
برنامه نویسی دینامیک، فرایندهای تصمیم گیری مارکوف، جاسازی تجمع زمان، کنترل بهینه تصادفی،
ترجمه چکیده
این مقاله روشی دو مرحلهای را برای حل هزینههای پردازش تصمیمات مارکوف به طور متوسط ​​هزینه میکند که براساس تعبیر فضای حالت یا تجمیع زمان است. در مرحله اول، تجمع زمان برای بهینه سازی خط مشی در یک زیر مجموعه ای مشخص از فضای حالت اعمال می شود و نتیجه جدیدی برای گسترش ارزیابی به کل فضای دولت اعمال می شود. این ارزیابی سپس در مرحلۀ دوم در مرحله بهبود سیاست استفاده می شود و سپس دو مرحله پس از آن همگام سازی می شود. برخی از آزمایش های عددی نتایج را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
حل متوسط ​​تصمیم گیری های تصمیم گیری مارکوف با استفاده از الگوریتم تجمیع زمان دو فاز
چکیده انگلیسی
This paper introduces a two-phase approach to solve average cost Markov decision processes, which is based on state space embedding or time aggregation. In the first phase, time aggregation is applied for policy optimization in a prescribed subset of the state space, and a novel result is applied to expand the evaluation to the whole state space. This evaluation is then used in the second phase in a policy improvement step, and the two phases are then alternated until convergence is attained. Some numerical experiments illustrate the results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 240, Issue 3, 1 February 2015, Pages 697-705
نویسندگان
, ,