دانلود مقاله ISI انگلیسی شماره 79738
ترجمه فارسی عنوان مقاله

برنامه نویسی پویا تقریبی از طریق جستجوی مستقیم در فضای تقریب تابع ارزش

عنوان انگلیسی
Approximate dynamic programming via direct search in the space of value function approximations
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
79738 2011 9 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : European Journal of Operational Research, Volume 211, Issue 2, 1 June 2011, Pages 343–351

ترجمه کلمات کلیدی
برنامه نویسی پویا؛ پردازش های تصمیم گیری مارکوف؛ بهینه سازی محدب؛ روشهای جستجوی مستقیم
کلمات کلیدی انگلیسی
Dynamic programming; Markov decision processes; Convex optimization; Direct search methods
پیش نمایش مقاله
پیش نمایش مقاله  برنامه نویسی پویا تقریبی از طریق جستجوی مستقیم در فضای تقریب تابع ارزش

چکیده انگلیسی

This paper deals with approximate value iteration (AVI) algorithms applied to discounted dynamic programming (DP) problems. For a fixed control policy, the span semi-norm of the so-called Bellman residual is shown to be convex in the Banach space of candidate solutions to the DP problem. This fact motivates the introduction of an AVI algorithm with local search that seeks to minimize the span semi-norm of the Bellman residual in a convex value function approximation space. The novelty here is that the optimality of a point in the approximation architecture is characterized by means of convex optimization concepts and necessary and sufficient conditions to local optimality are derived. The procedure employs the classical AVI algorithm direction (Bellman residual) combined with a set of independent search directions, to improve the convergence rate. It has guaranteed convergence and satisfies, at least, the necessary optimality conditions over a prescribed set of directions. To illustrate the method, examples are presented that deal with a class of problems from the literature and a large state space queueing problem setting.