Запис атласу: https://www.aitimeline.dev/uk/events/evt-0085/
Дослідження · 1957
Динамічне програмування
Беллман сформулював принцип оптимальності: оптимальне рішення складається з оптимальних рішень для решти шляху.
Чому це важливо
Задачі послідовного вибору отримали розкладання, на якому побудовано оцінювання станів у навчанні з підкріпленням.
Книга також вводить вислів про прокляття розмірності — зростання обсягу обчислень із числом змінних стану. Рівняння Беллмана згодом стало основою методів часових різниць; саме таке оновлення оцінки, хоч і без цієї назви, використовував Семюель у шашках.
Сам принцип старший за книгу: Беллман формулює його в доповіді RAND P-550 від 30 липня 1954 року, тексті виступу перед Американським математичним товариством 2 вересня 1954 року (яким би не був початковий стан і перші рішення, решта рішень мусить складати оптимальну політику для стану, що виник). Стюарт Дрейфус у вступі до видання 2010 року називає прокляття розмірності виразом Беллмана й пише, що навчання на часових різницях, яке наближає оптимальну функцію цінності зі спостережень, Беллман, наскільки йому відомо, ніколи не мав на увазі; що вислів уперше з'являється саме в цій книзі, він не стверджує.
Відомості про подію
- Дата події
- 1957
- Дата на часовій осі
- Дата події
- Перевірка
- Джерела зібрано автоматично · 17 вересня 2026 р.
- Лінії
- ID
- evt-0085
Рік видання книги.
Джерела
- першоджерело Dynamic Programming
Princeton University Press · Опубліковано 1957
- першоджерело R. Bellman, The Theory of Dynamic Programming, RAND Corporation Paper P-550, 30 July 1954 (address to the American Mathematical Society, Laramie, 2 September 1954)
The RAND Corporation, Santa Monica · Опубліковано 30 липня 1954 р.
- вторинне S. Dreyfus, Introduction to the 2010 Edition, in R. Bellman, Dynamic Programming, Princeton University Press, 2010, pp. xv-xviii
Princeton University Press · Опубліковано 2010
Пов’язані події
Пізніше
- Пов’язано Дослідження машинного навчання на грі в шашки 1959посилається на цей запис
Оновлення оцінки позиції за наступною позицією відповідає розкладанню Беллмана.
- Спирається на Розпізнавання мовлення динамічним програмуванням 1968посилається на цей запис
Назва роботи називає метод прямо, а огляд 2010 року каже те саме: Вінцюк застосував динамічне програмування до вирівнювання двох висловлювань у часі. Апарат - Беллманів.
- Пов’язано Алгоритм Баума-Велча 1970посилається на цей запис
Оцінювання спирається на ту саму ідею розкладання за кроками, що й динамічне програмування.
- Пов’язано Динамічне викривлення часу 1978посилається на цей запис
Вирівнювання будується динамічним програмуванням.
- Спирається на Актор і критик 1983посилається на цей запис
Оцінювальний елемент реалізує розкладання Беллмана для послідовних рішень.
- Спирається на Навчання за часовими різницями 1988посилається на цей запис
Метод спирається на розкладання Беллмана для послідовних рішень.
- Спирається на Q-навчання 1989посилається на цей запис
Алгоритм є покроковим наближенням динамічного програмування.