「繰り返し法 (動的計画法における)」の版間の差分

提供: ORWiki
ナビゲーションに移動 検索に移動
(新しいページ: ''''【くりかえしほう (iterative method)】''' 基本的には多変数同時問題を1変数問題の繰り返しで解く方法. 例えば, 原始政策 $ \mu = \{\mu_...')
 
1行目: 1行目:
 
'''【くりかえしほう (iterative method)】'''
 
'''【くりかえしほう (iterative method)】'''
  
−
基本的には多変数同時問題を1変数問題の繰り返しで解く方法. 例えば, 原始政策 $ \mu = \{\mu_{1}, \mu_{2} \} \in \Pi_{p} $ の2変数同時最適化問題
+
基本的には多変数同時問題を1変数問題の繰り返しで解く方法. 例えば, 原始政策 <math> \mu = \{\mu_{1}, \mu_{2} \} \in \Pi_{p} \,</math> の2変数同時最適化問題
  
−
\[
+
<math>
−
\begin{array}{l}
+
\mathbf{max}_{\mu}  
−
  \hspace*{-5mm} \displaystyle{\mathop{{\rm max}}_{\mu}  
+
   \sum \sum_{(x_2,x_3)}
−
   \sum \sum_{\hspace{-7mm}(x_{2},x_{3})}
+
   g(x_1,u_1,x_2,u_2,x_3) \cdot
−
   g(x_{1},u_{1},x_{2},u_{2},x_{3}) \cdot }
+
  p(x_2\vert x_1,u_1)p(x_3\vert x_2, u_2)
−
  p(x_{2}\vert x_{1},u_{1})p(x_3\vert x_2, u_2)
+
\,</math>
−
\end{array}
 
−
\]
 
  
−
を解く代わりに, $ \mu_{2} $ による最適化の後に $ \mu_{1} $ による最適化を行なう問題
+
を解く代わりに, <math> \mu_{2} \,</math> による最適化の後に <math> \mu_{1} \,</math> による最適化を行なう問題
  
−
\[
+
<math>
−
\begin{array}{l}
+
{\mathbf{max}}_{\mu_1}\mathbf{max}_{\mu_2}
−
\hspace*{-5mm} \displaystyle{\mathop{{\rm max}}_{\mu_{1}}\mathop{{\rm max}}_{\mu_{2}}
+
   \sum \sum_{(x_2,x_3)} g(x_1,u_1,x_2,u_2,x_3) \cdot p(x_2\vert x_1,u_1)p(x_3\vert x_2, u_2)
−
   \sum \sum_{\hspace{-7mm}(x_{2},x_{3})} g(x_{1},u_{1},x_{2},u_{2},x_{3}) \cdot }p(x_{2}\vert x_{1},u_{1})p(x_3\vert x_2, u_2)
+
\,</math>
−
\end{array}
 
−
\]
 
  
−
を解く方法. ただし, $u_{1} = \mu_{1}(x_{1}), u_{2} = \mu_{2}(x_{1},u_{1},x_{2})$.
+
を解く方法. ただし, <math>u_{1} = \mu_{1}(x_{1}), u_{2} = \mu_{2}(x_{1},u_{1},x_{2})\,</math>.

2007年7月12日 (木) 03:19時点における版

【くりかえしほう (iterative method)】

基本的には多変数同時問題を1変数問題の繰り返しで解く方法. 例えば, 原始政策 の2変数同時最適化問題

を解く代わりに, による最適化の後に による最適化を行なう問題

を解く方法. ただし, .

「https://orsj-ml.org/orwiki/wiki/index.php?title=繰り返し法_(動的計画法における)&oldid=2878」から取得