论文部分内容阅读
该文研究离散时间、时齐的马尔可夫决策过程,其系统状态空间和行动空间均为可数集,优化准则是使累积报酬(总报酬或折扣总报酬)未超过决策者的目标值(预期值)和风险(概率)达到最小.该文目的在于解决这类模型的最优策略的存在性、结构,最优值函数的性质及求解最优策略的算法.
马尔可夫决策过程中的若干最小风险模型
【摘 要】
：
该文研究离散时间、时齐的马尔可夫决策过程,其系统状态空间和行动空间均为可数集,优化准则是使累积报酬(总报酬或折扣总报酬)未超过决策者的目标值(预期值)和风险(概率)达到
【机 构】
：
清华大学
【出 处】
：
清华大学
【发表日期】
：
1998年期
其他文献
此文最初讨论最优设计的广义理论,接着讨论各种可能对实验设计适配的判别标准.最常用的是D-OP最优准则,在第四章中.下面几章描述了具有混料及具有对定量因子响应面的模型的拓
多目标规划问题是最优化理论和应用的主要研究领域之一，这一问题的研究涉及到凸分析、非线性分析、非光滑分析等多门学科.特别的，多目标分式规划问题作为一种特殊的优化问题在
通过不同方法用了渐近分布,作了独立性检验,边缘参数相等检验.有限样本大小时的模拟结果也作了.
该文研究了两类三维Possion外问题的局部人工边界数值方去.通过引入人工边界,将原无界域分成有界和无界的两部分,然后考虑有界域上的数值近似解.为使有界域上偏徽分方程的提
该文在Hoffman,Yechiali[1]的基础上,分别地研究了贝努利反馈下的离开门限服务、穷尽服务,无反馈时损坏时间为PH分布、有限服务及中断服务及中断服务下的 坏情况,给出了它们
该文主要有两方面内容:一、是证明了每个谱连通算子都可加一范数充分小的紧算子后成为BIR算子.这便回答了D.A.Herrero提出的问题.另一方面,研究小组证明每个套代数中都存在BI
如果一个简单图G的顶点的度要么是k，要么是l，则称图G是（k，l)-正则的，若其边数ε=3n-6，那么我们称图G为（k，l）-正则极大平面图.同理，如果一个简单图G的顶点的度要么是k，要么是l,要么是m，则
该文系统地研究了不确定时滞系统和神经网络的稳定性问题.在不确定时滞系统的研究中,分为线性和非线性两个方面.这一部分的主要结果是给出了系统渐近稳定和指数稳定的充分判