Simulation-based Algorithms for Markov Decision Processes, Fachbücher von Jiaqiao Hu, Michael C. Fu, Hyeong Soo Chang, S...

Das Buch "Simulation-based Algorithms for Markov Decision Processes" bietet eine umfassende Analyse und Zusammenstellung aktueller Forschungsergebnisse zu Algorithmen, die auf Simulationen basieren und speziell für Markov-Entscheidungsprozesse (MDPs) entwickelt wurden. Diese Prozesse stellen in der Praxis oft eine Herausforderung dar, insbesondere aufgrund der Dimensionierungsproblematik und der Schwierigkeiten bei der expliziten Spezifikation von Modellparametern. Stattdessen nutzen die vorgestellten Algorithmen verfügbare Simulationsdaten, um optimale Lösungen in Form von Politiken oder Wertfunktionen zu ermitteln. Das Werk richtet sich an ein breites Publikum von Forschenden mit unterschiedlichen Interessen und Hintergründen und bietet zahlreiche spezifische Algorithmen, anschauliche numerische Beispiele sowie rigorose theoretische Konvergenzresultate. Die vorgestellten Algorithmen unterscheiden sich von den gängigen Methoden, die auf neuro-dynamischer Programmierung oder Verstärkungslernen basieren, und können mit Methoden der approximativen dynamischen Programmierung kombiniert werden, um die Grösse des Zustandsraums zu reduzieren und die Auswirkungen der Dimensionierung zu mildern.