دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات ویرایش: نویسندگان: Sheldon Ross سری: Probability and Mathematical Statistics ISBN (شابک) : 0125984200, 0125984200 ناشر: Academic Press سال نشر: 1983 تعداد صفحات: 88 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Introduction to Stochastic Dynamic Programming (Probability and Mathematical Statistics) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر برنامه ریزی پویا تصادفی (احتمالات و آمار ریاضی) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
مقدمه ای بر برنامه نویسی پویا تصادفی، نظریه پایه را ارائه می
دهد و دامنه کاربردهای برنامه نویسی پویا تصادفی را بررسی می
کند.
کتاب با فصلی در مورد مدلهای مختلف مراحل محدود آغاز میشود که
طیف وسیعی از کاربردهای برنامهنویسی پویا تصادفی را نشان میدهد.
فصلهای بعدی مدلهای مرحلهای بینهایت را مطالعه میکنند: تنزیل
بازدههای آتی، به حداقل رساندن هزینههای غیرمنفی، حداکثر کردن
بازده غیرمنفی، و حداکثر کردن میانگین بازده بلندمدت. هر یک از
این فصول ابتدا به بررسی این موضوع می پردازد که آیا نیاز به
سیاست بهینه وجود دارد - با ارائه مثال های متقابل در صورت لزوم -
و سپس روش هایی را برای دستیابی به چنین سیاست هایی ارائه می دهد.
علاوه بر این، زمینه های کاربردی کلی ارائه شده است.
دو فصل پایانی به مدل های تخصصی تر می پردازد. اینها شامل مدلهای
زمانبندی تصادفی و نوعی فرآیند است که به عنوان راهزن چند
پروژهای شناخته میشود. پیش نیازهای ریاضی این متن نسبتاً کم
است. هیچ دانش قبلی از برنامه نویسی پویا فرض نمی شود و فقط
آشنایی متوسطی با احتمال - از جمله استفاده از انتظار شرطی -
ضروری است.
Introduction to Stochastic Dynamic Programming presents the
basic theory and examines the scope of applications of
stochastic dynamic programming.
The book begins with a chapter on various finite-stage models,
illustrating the wide range of applications of stochastic
dynamic programming. Subsequent chapters study infinite-stage
models: discounting future returns, minimizing nonnegative
costs, maximizing nonnegative returns, and maximizing the
long-run average return. Each of these chapters first considers
whether an optimal policy need exist—providing counterexamples
where appropriate—and then presents methods for obtaining such
policies when they do. In addition, general areas of
application are presented.
The final two chapters are concerned with more specialized
models. These include stochastic scheduling models and a type
of process known as a multiproject bandit. The mathematical
prerequisites for this text are relatively few. No prior
knowledge of dynamic programming is assumed and only a moderate
familiarity with probability— including the use of conditional
expectation—is necessary.
Content:
Front Matter, Page iii
Copyright, Page iv
Dedication, Page v
Preface, Page xi
I - Finite-Stage Models, Pages 1-27
II - Discounted Dynamic Programming, Pages 29-48
III - Minimizing Costs—Negative Dynamic Programming, Pages 49-71
IV - Maximizing Rewards—Positive Dynamic Programming, Pages 73-88
V - Average Reward Criterion, Pages 89-106
VI - Stochastic Scheduling, Pages 107-130
VII - Bandit Processes, Pages 131-151
Appendix - Stochastic Order Relations, Pages 153-161
Index, Pages 163-164
Probability and Mathematical Statistics: A Series of Monographs and Textbooks, Pages ibc1-ibc2