to have a more applicable decision

to have a more applicable decision policy we achieve optimal interval decisions instead of single ones for every state using a modified version of the value iteration technique as a well-known approach in stochastic dynamic programming (SDP).

ผลลัพธ์ (ไทย) 1:

เพื่อให้นโยบายการตัดสินใจเกี่ยวข้องเพิ่มเติม เราให้ช่วงที่ดีที่สุดตัดสินใจแทนคนเดียวสำหรับทุกรัฐที่ใช้ปรับเปลี่ยนเทคนิคค่าการเกิดซ้ำเป็นวิธีการรู้จักเขียนโปรแกรมแบบสโทแคสติก (SDP)

ผลลัพธ์ (ไทย) 2:

ที่จะมีการตัดสินใจนโยบายบังคับมากกว่าที่เราประสบความสำเร็จในช่วงเวลาที่ดีที่สุดในการตัดสินใจแทนคนเดียวสำหรับทุกรัฐโดยใช้รุ่นที่ปรับเปลี่ยนเทคนิคย้ำค่าเป็นวิธีการที่รู้จักกันดีในการเขียนโปรแกรมสุ่มแบบไดนามิก (SDP)

ผลลัพธ์ (ไทย) 3:

ที่จะมีการใช้มากขึ้นในการตัดสินใจนโยบายที่เราบรรลุการตัดสินใจช่วงเวลาที่ดีที่สุดแทนคนเดียว ทุกสภาพ ใช้รุ่นที่ปรับเปลี่ยนของมูลค่าการทำซ้ำเทคนิคเป็นวิธีที่รู้จักกันดีในการเขียนโปรแกรมแบบไดนามิก stochastic ( SDP )