Selected Topics On Continuous-Time Controlled Markov Chains And Markov Games

دسته بندی: آمار ریاضی
ویرایش:  
نویسندگان: Tomas Prieto-Rumeau. Onesimo Hernandez-Lerma  
سری: Icp Advanced Texts in Mathematics 
ISBN (شابک) : 1848168489, 9781848168480 
ناشر: Imperial College Press 
سال نشر: 2012 
تعداد صفحات: 292 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت 

قیمت کتاب (تومان) : 54,000

این کتاب به زنجیره های مارکوف کنترل شده با زمان پیوسته می پردازد که به عنوان فرآیندهای تصمیم گیری مارکوف زمان پیوسته نیز شناخته می شوند. آنها یک کلاس از مسائل کنترل تصادفی را تشکیل می دهند که در آن یک تصمیم گیرنده می خواهد یک تابع هدف معین را بهینه کند. این کتاب همچنین به بازی های مارکوف می پردازد، جایی که دو تصمیم گیرنده (یا بازیکن) سعی می کنند عملکرد هدف خود را بهینه کنند. هر دو فرآیند تصمیم‌گیری در تعداد زیادی از برنامه‌های کاربردی در اقتصاد، تحقیقات عملیات، مهندسی، و علوم کامپیوتر و سایر حوزه‌ها ظاهر می‌شوند.

یک تحلیل گسترده، مستقل و به‌روز از معیارهای بهینه اولیه (مانند پاداش با تخفیف و میانگین)، و معیارهای بهینه پیشرفته (مانند تعصب، سبقت، تخفیف حساس و بهینه بلک‌ول) ارائه شده است. تاکید ویژه ای بر کاربرد نتایج در اینجا شده است: مسائل الگوریتمی و محاسباتی مورد بحث قرار گرفته و کاربردها در مدل های جمعیت و فرآیندهای همه گیر نشان داده شده است.

این کتاب خطاب به دانشجویان و محققین حوزه های کنترل تصادفی و بازی های تصادفی می باشد. علاوه بر این، می‌تواند برای دانشجویان مقطع کارشناسی و فارغ‌التحصیلان تازه‌کار نیز جالب باشد، زیرا خواننده قرار نیست پیش‌زمینه ریاضی بالایی داشته باشد: دانش کاری حساب دیفرانسیل و انتگرال، جبر خطی، احتمالات و زنجیره‌های مارکوف زمان پیوسته باید برای درک مطالب کافی باشد. از کتاب.

خوانندگان: دانشجویان فارغ التحصیل و محققین در زمینه های کنترل تصادفی و تحلیل تصادفی.

This book concerns continuous-time controlled Markov chains, also known as continuous-time Markov decision processes. They form a class of stochastic control problems in which a single decision-maker wishes to optimize a given objective function. This book is also concerned with Markov games, where two decision-makers (or players) try to optimize their own objective function. Both decision-making processes appear in a large number of applications in economics, operations research, engineering, and computer science, among other areas.

An extensive, self-contained, up-to-date analysis of basic optimality criteria (such as discounted and average reward), and advanced optimality criteria (e.g., bias, overtaking, sensitive discount, and Blackwell optimality) is presented. A particular emphasis is made on the application of the results herein: algorithmic and computational issues are discussed, and applications to population models and epidemic processes are shown.

This book is addressed to students and researchers in the fields of stochastic control and stochastic games. Moreover, it could be of interest also to undergraduate and beginning graduate students because the reader is not supposed to have a high mathematical background: a working knowledge of calculus, linear algebra, probability, and continuous-time Markov chains should suffice to understand the contents of the book.

Readership: Graduate students and researchers in the fields of stochastic control and stochastic analysis.