Počet záznamů: 1
Second Order Optimality in Transient and Discounted Markov Decision Chains
- 1.
SYSNO ASEP 0448938 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Second Order Optimality in Transient and Discounted Markov Decision Chains Tvůrce(i) Sladký, Karel (UTIA-B) RID Celkový počet autorů 1 Zdroj.dok. Procedings of the 33rd International Conference Mathematical Methods in Economics MME 2015. - Plzeň : University of West Bohemia, Plzeň, 2015 - ISBN 978-80-261-0539-8 Rozsah stran s. 731-736 Poč.str. 6 s. Forma vydání Tištěná - P Akce Mathematical Methods in Economics 2015 /33./ Datum konání 09.09.2015-11.09.2015 Místo konání Cheb Země CZ - Česká republika Typ akce EUR Jazyk dok. eng - angličtina Země vyd. CZ - Česká republika Klíč. slova dynamic programming ; discounted and transient Markov reward chains ; reward-variance optimality Vědní obor RIV BC - Teorie a systémy řízení CEP GA13-14445S GA ČR - Grantová agentura ČR GA15-10331S GA ČR - Grantová agentura ČR Institucionální podpora UTIA-B - RVO:67985556 UT WOS 000387898900125 Anotace The article is devoted to second order optimality in Markov decision processes. Attention is primarily focused on the reward variance for discounted models and undiscounted transient models (i.e. where the spectral radius of the transition probability matrix is less than unity). Considering the second order optimality criteria means that in the class of policies maximizing (or minimizing) total expected discounted reward (or undiscounted reward for the transient model) we choose the policy minimizing the total variance. Explicit formulae for calculating the variances for transient and discounted models are reported along with sketches of algoritmic procedures for finding second order optimal policies. Pracoviště Ústav teorie informace a automatizace Kontakt Markéta Votavová, votavova@utia.cas.cz, Tel.: 266 052 201. Rok sběru 2016
Počet záznamů: 1