政策反復アルゴリズムのソースを表示
←
政策反復アルゴリズム
ナビゲーションに移動
検索に移動
あなたには「このページの編集」を行う権限がありません。理由は以下の通りです:
この操作は、以下のグループに属する利用者のみが実行できます:
登録利用者
。
このページは編集や他の操作ができないように保護されています。
このページのソースの閲覧やコピーができます。
'''【せいさくはんぷくあるごりずむ (policy iteration algorithm)】''' マルコフ決定過程に対する数値解法としてハワードにより提案されたアルゴリズム. 政策評価と政策改良のフェーズを繰り返すことにより, 有限回の反復で最適化を求めることができる. 高速な解法として広く認められており, 収束に要する反復回数は, 経験的に問題の規模にあまり依存しない.
政策反復アルゴリズム
に戻る。
案内メニュー
個人用ツール
ログイン
名前空間
ページ
議論
変種
表示
閲覧
ソースを表示
履歴表示
その他
検索
案内
メインページ
コミュニティ・ポータル
最近の出来事
最近の更新
おまかせ表示
ヘルプ
ORWikiへのお問い合わせ
OR学会HP
OR学会アーカイブ集
ツール
リンク元
関連ページの更新状況
特別ページ
ページ情報