「繰り返し法 (動的計画法における)」の版間の差分
ナビゲーションに移動
検索に移動
| 3行目: | 3行目: | ||
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 | 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 | ||
| + | |||
| + | <center> | ||
<math> | <math> | ||
\mathbf{max}_{\mu} | \mathbf{max}_{\mu} | ||
| 9行目: | 11行目: | ||
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> | \,</math> | ||
| + | </center> | ||
| + | |||
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 | 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 | ||
| + | |||
| + | <center> | ||
<math> | <math> | ||
{\mathbf{max}}_{\mu_1}\mathbf{max}_{\mu_2} | {\mathbf{max}}_{\mu_1}\mathbf{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_{(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> | \,</math> | ||
| + | </center> | ||
| + | |||
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>. | 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17日 (火) 11:37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, .
