There is some previous work on mode

There is some previous work on modeling ambiguity in the transition probability and mitigating its effect on the optimal policy. Satia and Lave (1973); White and Eldieb (1994); Bagnell et al. (2001) investigate ambiguity in the context of infinite horizon DP with finite state and action spaces. They model ambiguity by constraining the transition probability matrix to lie in a pre-specified polytope. They do not discuss how one constructs this polytope. Moreover, the complexity of the resulting robust DP is at least an order of magnitude higher than DP. Shapiro and Kleywegt (2002) investigate ambiguity in the context of stochastic programming and propose a sampling based method for solving the maximin problem. However, they do not discuss how to choose and calibrate the set of ambiguous priors. None of this work discusses the dynamic structure of the ambiguity; in particular, there is no discussion of the central role of "Rectangularity". Our theoretical contributions are based on recent work on uncertain priors in the economics literature (Gilboa and Schmeidler, 1989; Epstein and Schneider, 2001, 2002; Hansen and Sargent, 2001). The focus of this body of work is on the axiomatic justi¯cation for uncertain priors in the context of multi-period utility maximization. It does not provide any means of selecting the set of uncertain priors nor does it focus on efficiently solving the resulting robust DP.

ผลลัพธ์ (ไทย) 1:

มีบางงานก่อนหน้าในโมเดลย่อในความเปลี่ยนแปลง และบรรเทาผลของนโยบายดีที่สุด Satia และ Lave (1973); ขาวและ Eldieb (1994); Bagnell et al. (2001) ตรวจสอบความคลุมเครือในบริบทของฟ้าอนันต์ DP กับรัฐมีจำกัดและพื้นที่ดำเนินการ พวกเขารูปแบบย่อ โดยกีดเปลี่ยนความน่าเป็นเมตริกซ์นอนใน polytope ระบุไว้ก่อน พวกเขาได้กล่าวถึงวิธีหนึ่งสร้าง polytope นี้ ยิ่งไปกว่านั้น ความซับซ้อนของ DP ประสิทธิภาพผลลัพธ์เป็นน้อยการสั่งของขนาดสูงกว่า DP Shapiro และ Kleywegt (2002) ความคลุมเครือในบริบทของการเขียนโปรแกรมแบบเฟ้นสุ่มตรวจสอบ และเสนอวิธีการสุ่มตัวอย่างที่ใช้สำหรับแก้ปัญหา maximin อย่างไรก็ตาม พวกเขาไม่สามารถพูดคุยวิธีการเลือก และการปรับเทียบชุดของ priors ชัดเจน งานนี้ไม่มีกล่าวถึงโครงสร้างแบบไดนามิกของย่อ โดยเฉพาะอย่างยิ่ง มีไม่อภิปรายบทบาทศูนย์กลางของ "Rectangularity" ผลงานทฤษฎีของเราขึ้นอยู่กับงานล่าสุดบน priors ไม่แน่นอนในวรรณคดีเศรษฐศาสตร์ (เผอิญและ Schmeidler, 1989 สเตียนและชไนเดอร์ 2001, 2002 แฮนเซ่นก Sargent, 2001) จุดสำคัญของร่างกายนี้ทำงานอยู่ justi¯cation axiomatic สำหรับ priors แน่ใจในบริบทของ maximization อรรถประโยชน์หลายรอบระยะเวลา มันไม่มีก็เลือกชุดของ priors ไม่แน่นอน หรือไม่ก็เน้นแก้ DP แข็งแกร่งได้อย่างมีประสิทธิภาพ

ผลลัพธ์ (ไทย) 2:

มีบางงานก่อนหน้านี้ในการสร้างแบบจำลองความคลุมเครือในความน่าจะเปลี่ยนแปลงและบรรเทาผลกระทบต่อนโยบายที่ดีที่สุดคือ Satia และ Lave (1973); สีขาวและสี Eldieb (1994); Bagnell et al, (2001) ตรวจสอบความคลุมเครือในบริบทของ DP ขอบฟ้าไม่มีที่สิ้นสุดกับสถานะ จำกัด และพื้นที่ดำเนินการ พวกเขาแบบคลุมเครือโดย constraining เมทริกซ์น่าจะเปลี่ยนไปอยู่ใน polytope ที่กำหนดไว้ล่วงหน้า พวกเขาไม่ได้หารือเกี่ยวกับวิธีการหนึ่งที่สร้าง polytope นี้ นอกจากนี้ยังมีความซับซ้อนของการที่แข็งแกร่งส่งผลให้ DP เป็นอย่างน้อยลำดับความสำคัญสูงกว่า DP ชาปิโรส์และ Kleywegt (2002) ตรวจสอบความคลุมเครือในบริบทของการเขียนโปรแกรมสุ่มเก็บตัวอย่างและนำเสนอวิธีการที่ใช้ในการแก้ปัญหา Maximin แต่พวกเขาไม่ได้หารือเกี่ยวกับวิธีการเลือกและปรับการตั้งค่าของไพรเออร์ที่คลุมเครือ ไม่มีของงานนี้กล่าวถึงโครงสร้างแบบไดนามิกของความคลุมเครือ; โดยเฉพาะอย่างยิ่งมีการอภิปรายของบทบาทสำคัญของ "Rectangularity" ไม่ ผลงานทางทฤษฎีของเราจะขึ้นอยู่กับผลงานล่าสุดในไพรเออร์มีความไม่แน่นอนในวรรณคดีเศรษฐศาสตร์ (กิลโบอาและ Schmeidler 1989; Epstein และชไนเดอปี 2001 ปี 2002 แฮนเซนและซาร์เจนท์, 2001) ความสำคัญของการทำงานของร่างกายนี้อยู่ในjusti¯cationจริงสำหรับไพรเออร์มีความไม่แน่นอนในบริบทของการสูงสุดสาธารณูปโภคหลายช่วงเวลา มันไม่ได้ให้วิธีการใด ๆ ในการเลือกชุดของไพรเออร์มีความไม่แน่นอนหรือไม่ก็มุ่งเน้นไปที่การแก้ปัญหาได้อย่างมีประสิทธิภาพที่แข็งแกร่งส่งผลให้ DP

ผลลัพธ์ (ไทย) 3:

มีบางหน้าที่ทำงานโมเดลลิ่ง ความคลุมเครือในการเปลี่ยนแปลง ความน่าจะเป็น และบรรเทาผลกระทบต่อนโยบายที่เหมาะสมที่สุด satia และล้าง ( 1973 ) ; สีขาวและ eldieb ( 1994 ) ; แบ็กเนิล et al . ( 2001 ) ตรวจสอบข้อความในบริบทของ DP ขอบฟ้าไม่มีที่สิ้นสุดกับขอบเขตรัฐและการกระทำเป็น .พวกเขาแบบคลุมเครือ โดยจำกัดการเปลี่ยนเมทริกซ์ความน่าจะเป็นของนอนก่อนกำหนดพอลิโทป . พวกเขาไม่ได้กล่าวถึงวิธีหนึ่งโครงสร้างพอลิโทปี้ นอกจากนี้ความซับซ้อนของผลที่แข็งแกร่ง DP เป็นอย่างน้อยคำสั่งของขนาดมากกว่า DP .จัดขึ้น kleywegt ( 2002 ) ศึกษาและความคลุมเครือในบริบทของการสุ่ม และเสนอวิธีการแก้ไขเพื่อใช้แมกซิมินปัญหา แต่พวกเขาไม่ได้หารือเกี่ยวกับวิธีการเลือกและปรับตั้งกำกวม ประวัติ ไม่มีงานนี้กล่าวถึงโครงสร้างแบบไดนามิกของความคลุมเครือ ; โดยเฉพาะอย่างยิ่งไม่มีการอภิปรายบทบาทของ " ซึ่งเป็นรูปสี่เหลี่ยมมุมฉาก "ผลงานทฤษฎีของเราจะขึ้นอยู่กับผลงานล่าสุดที่ไม่แน่ใจก่อนที่ในวรรณกรรม ( กิลโบอา และเศรษฐศาสตร์ schmeidler , 1989 ; Epstein และชไนเดอร์ , 2001 , 2002 ; แฮนเซน และ ซาร์เจนท์ , 2001 ) นี้เน้นการทำงานของร่างกายอยู่ในสัจพจน์ justi ¯บวกความประวัติในบริบทของระยะเวลาสูงสุดหลายสาธารณูปโภคมันไม่ได้ให้ความหมายใด ๆ ในการเลือกชุดของความไม่แน่นอนเริ่มไม่มุ่งเน้นการแก้ปัญหาที่เกิดประสิทธิภาพบุคลากรได้อย่างมีประสิทธิภาพ