Fortunately, for many applications

Fortunately, for many applications the DP optimal policy can be computed with a modest computational effort. In this paper we restrict attention to this class of DPs. Typically, the transition probability of the underlying Markov process is estimated from historical data and is, therefore, subject to statistical errors. In current practice, these errors are ignored and the optimal policy is computed assuming that the estimate is, indeed, the true transition probability. The DP optimal policy is quite sensitive to perturbations in the tran-sition probability and ignoring the estimation errors can lead to serious degradation in performance (Nilim and El Ghaoui, 2002; Tsitsiklis et al., 2002). Degradation in performance due to estimation errors in parameters has also been observed in other contexts (Ben-Tal and Nemirovski, 1997; Goldfarb and Iyengar, 2003).Therefore, there is a need to develop DP models that explicitly account for the effect of errors.

ผลลัพธ์ (ไทย) 1:

โชคดี สำหรับโปรแกรมประยุกต์หลาย นโยบายเหมาะสม DP สามารถถูกคำนวณ ด้วยความพยายามคำนวณเจียมเนื้อเจียมตัว ในเอกสารนี้ เราจำกัดความคลาสนี้ของ DPs ปกติ น่าเปลี่ยนการ Markov เน้นประเมินจากข้อมูลทางประวัติศาสตร์ และ มี ดังนั้น ข้อผิดพลาดทางสถิติ ในทางปฏิบัติปัจจุบัน ข้อผิดพลาดเหล่านี้จะถูกละเว้น และนโยบายเหมาะสมจะคำนวณสมมติว่าการประเมินคือ แน่นอน ความเปลี่ยนแปลงที่แท้จริง นโยบายสุด DP จะค่อนข้างอ่อนไหวกับ perturbations ในความน่าเป็นทราน sition และละเว้นข้อผิดพลาดของการประเมินสามารถนำไปย่อยสลายรุนแรงประสิทธิภาพการทำงาน (Nilim และเอล Ghaoui, 2002 Tsitsiklis และ al., 2002) นอกจากนี้ยังได้พบการลดประสิทธิภาพการทำงานเนื่องจากข้อผิดพลาดของการประเมินในพารามิเตอร์ในบริบทอื่น ๆ (เบนทัลและ Nemirovski, 1997 Goldfarb ก Iyengar, 2003) ดังนั้น ไม่จำเป็นต้องพัฒนารูปแบบ DP ที่บัญชีสำหรับผลของข้อผิดพลาดอย่างชัดเจน

ผลลัพธ์ (ไทย) 2:

โชคดีสำหรับการใช้งานหลายนโยบายที่ดีที่สุด DP สามารถคำนวณได้ด้วยความพยายามคำนวณเจียมเนื้อเจียมตัว ในบทความนี้เรา จำกัด ให้ความสนใจกับการเรียนของ DPs นี้ โดยปกติแล้วน่าจะเป็นการเปลี่ยนแปลงของกระบวนการมาร์คอฟเป็นที่คาดพื้นฐานจากข้อมูลทางประวัติศาสตร์และจึงขึ้นอยู่กับข้อผิดพลาดทางสถิติ ในทางปฏิบัติในปัจจุบันข้อผิดพลาดเหล่านี้จะถูกละเลยและนโยบายที่ดีที่สุดคือการคำนวณประมาณการสมมติว่าเป็นจริงน่าจะเป็นการเปลี่ยนแปลงที่แท้จริง นโยบายที่ดีที่สุด DP ค่อนข้างไวต่อเยี่ยงอย่างในความน่าจะเป็น tran-sition และข้อผิดพลาดการละเว้นการประเมินสามารถนำไปสู่​​การย่อยสลายอย่างจริงจังในการทำงาน (Nilim และเอ Ghaoui 2002; Tsitsiklis et al, 2002). การสลายตัวในการทำงานเนื่องจากข้อผิดพลาดในการประมาณค่าพารามิเตอร์ยังได้รับการตั้งข้อสังเกตในบริบทอื่น ๆ (เบนทัลและ Nemirovski, 1997; ดาลและ Iyengar, 2003) .Therefore มีความจำเป็นที่จะต้องพัฒนารูปแบบ DP บัญชีอย่างชัดเจนสำหรับผลกระทบของข้อผิดพลาด .

ผลลัพธ์ (ไทย) 3:

โชคดีสำหรับการใช้งานมากที่สุดนโยบาย DP สามารถคำนวณด้วยเจียมเนื้อเจียมตัว คอมพิวเตอร์ ความพยายาม ในกระดาษนี้เราลดความสนใจเรียนของปกนี้ โดยทั่วไปแล้ว การเปลี่ยนน่าจะเป็นต้นแบบของมาร์คอฟกระบวนการประเมินจากข้อมูลทางประวัติศาสตร์และจึงอาจมีข้อผิดพลาดทางสถิติ ในการปฏิบัติงานปัจจุบันข้อผิดพลาดเหล่านี้จะถูกละเว้นและนโยบายที่เหมาะสมที่สุด คือ คำนวณว่าประมาณนั้น แน่นอน น่าจะเป็นการเปลี่ยนแปลงที่แท้จริง DP ที่ดีที่สุดนโยบายค่อนข้างไวต่อได้ในเวลา sition ความน่าจะเป็นและไม่สนใจการจะนำไปสู่การย่อยสลายข้อผิดพลาดร้ายแรงในการปฏิบัติ ( nilim และ El ghaoui , 2002 ; tsitsiklis et al . , 2002 )การย่อยสลายในการปฏิบัติเนื่องจากข้อผิดพลาดในพารามิเตอร์ยังได้รับการพบในบริบทอื่น ๆ ( และเบนทอล nemirovski , 1997 ; ดาล และ Iyengar , 2003 ) ได้ ดังนั้น ต้องมีการพัฒนารูปแบบ DP ที่ชัดเจนบัญชีสำหรับผลของความผิดพลาด