Markov beslutningsproces (MDP)

Forfatter: Laura McKinney
Oprettelsesdato: 5 April 2021
Opdateringsdato: 22 Juni 2024
Anonim
Markov beslutningsproces (MDP) - Teknologi
Markov beslutningsproces (MDP) - Teknologi

Indhold

Definition - Hvad betyder Markov Decision Process (MDP)?

En Markov-beslutningsproces (MDP) er noget, som fagfolk refererer til som en "diskret tid-stokastisk kontrolproces." Den er baseret på matematik, der var pioner for den russiske akademiske Andrey Markov i slutningen af ​​det 19. og det tidlige 20. århundrede.


En introduktion til Microsoft Azure og Microsoft Cloud | Gennem hele denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.

Techopedia forklarer Markov Decision Process (MDP)

En måde at forklare en Markov-beslutningsproces og tilhørende Markov-kæder er, at dette er elementer i moderne spilteori, der var baseret på en enklere matematisk forskning fra den russiske videnskabsmand for hundrede år siden. Beskrivelsen af ​​en Markov-beslutningsproces er, at den studerer et scenarie, hvor et system er i et givet sæt af stater, og bevæger sig videre til en anden stat baseret på beslutningstagernes beslutninger.

En Markov-kæde som model viser en række hændelser, hvor sandsynligheden for en given begivenhed afhænger af en tidligere opnået tilstand. Fagfolk taler muligvis om et "tællbart tilstandsrum" i beskrivelsen af ​​Markovs beslutningsproces - nogle forbinder ideen om Markov-beslutningsmodellen med en "tilfældig gåtur" -model eller anden stokastisk model baseret på sandsynligheder (den tilfældige gangmodel, der ofte er citeret på Wall Street, modellerer bevægelsen af ​​en egenkapital op eller ned i en markedssandsynlighedskon).


Generelt anvendes Markov-beslutningsprocesser ofte på nogle af de mest sofistikerede teknologier, som fagfolk arbejder på i dag, for eksempel inden for robotik, automatisering og forskningsmodeller.