A time aggregation approach to Markov decision processes

Xi-Ren Cao، نويسنده , , Zhiyuan Ren، نويسنده , , Shalabh Bhatnagar، نويسنده , , Michael Fu، نويسنده , , Steven Marcus، نويسنده ,

روزنامه با شماره پیاپی سال 2002

15

929

943

Performance potentials , On-line optimization , Markov decision processes , Policy iteration , Time aggregation

Automatica

2002

Automatica

369453