Участник:Kropotov/Песочница

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск

Kropotov (Обсуждение | вклад)
(Новая: :Функция Беллмана <tex>V_n(j)</tex> в момент времени <tex>n</tex> для состояния <tex>j</tex> соответствует стоимости опт...)
К следующему изменению →

Версия 16:45, 13 ноября 2009

Функция Беллмана V_n(j) в момент времени n для состояния j соответствует стоимости оптимальной траектории при условии, что в момент времени n мы находимся в состоянии j. Такая оптимальная траектория для каждого состояния является единственной. Соответственно, для каждого состояния мы знаем, в частности, из какого начального состояния мы в него попали и сколько времени мы до этого находились в том или ином состоянии (для разных состояний начальные состояния будут, вообще говоря, разными). Что касается состояний в следующий момент времени, то их учитывать не нужно. В момент времени n мы считаем вероятность того, что оптимальная траектория находится в состоянии j и, быть может, это состояние j продолжится и дальше. При переходе к моменту времени n+1 в том случае, если произошел переход между состояниями, то при подсчете V_{n+1}(j) мы скорректируем значение V_n(j) с учетом новых знаний.
Личные инструменты