where Y is a generic random variabl

where Y is a generic random variable with PDF F We consider Markovian control policies a = {anln>1. which at each time n depend only on the current state, that is, an(X,) := b, for n > 0. Abusing the notation, we will identify functions a: X → B with stationary strategies, where B = [bmin. 1), the decision space. Consider an arbitrary initial state Xo =x 2 0 (note that the initial value is not stochastic) and control policy 1 = {an}n>1. Then, by iteration of (1), and assuming that (2) and (3) hold, it follows that, for n> 1, X, satisfies

Results (Thai) 1:

ที่ Y เป็นตัวแปรสุ่มทั่วไปที่มีรูปแบบไฟล์ PDF F เราพิจารณานโยบายการควบคุม Markovian A = {anln> 1 ซึ่งในแต่ละครั้งที่ n ขึ้นอยู่เฉพาะในสถานะปัจจุบันนั่นคือการ (X): = b สำหรับ n> 0 เหยียดหยามสัญกรณ์เราจะแจ้งฟังก์ชั่น: X → B กับกลยุทธ์นิ่งที่ B = [ bmin 1) พื้นที่การตัดสินใจ พิจารณาโดยพลการเริ่มต้นของรัฐ Xo = x 2 0 (ทราบว่าค่าเริ่มต้นจะไม่สุ่ม) และการควบคุมนโยบาย 1 = {} n> 1 แล้วโดยการทำซ้ำ (1) และสมมติว่า (2) และ (3) ถือก็ต่อว่าสำหรับ n> 1, X, ความพึงพอใจ

Results (Thai) 2:

โดยที่ Y คือตัวแปรสุ่มทั่วไปที่มีรูปแบบไฟล์ PDF F เราพิจารณานโยบายการควบคุม Markovian a = {anln > 1 ซึ่งในแต่ละครั้งจะขึ้นอยู่กับสถานะปัจจุบันนั่นคือ an (X,): = b สำหรับ n > 0 การเหยียดหยามเราจะระบุฟังก์ชัน: X → B ที่มีกลยุทธ์การนิ่งที่ B = [นาทีที่ 1) พื้นที่การตัดสินใจ พิจารณา Xo สถานะเริ่มต้นโดยพลการ = x 2 0 (โปรดทราบว่าค่าเริ่มต้นไม่ได้สุ่ม) และนโยบายการควบคุม 1 = {an} n > 1 จากนั้น, โดยการเกิดซ้ำของ (1), และสมมติว่า (2) และ (3) ถือ, ต่อไปนี้, สำหรับ n > 1, X, ตอบสนอง

Results (Thai) 3:

Y คือตัวแปรสุ่มทั่วไปสำหรับไฟล์ PDF F เราพิจารณากลยุทธ์การควบคุมของ แต่ละครั้งที่ n ขึ้นอยู่กับสถานะปัจจุบันเท่านั้นคือ x-61 B สำหรับ N โดยการใช้สัญลักษณ์เราจะใช้กลยุทธ์ที่มั่นคงเพื่อระบุฟังก์ชันและฟังก์ชัน 58x-b ซึ่งเป็นหนึ่งใน 611bmin สำหรับใช้ในทางที่ผิด พื้นที่สำหรับการตัดสินใจ พิจารณาใดๆเริ่มต้นรัฐ x61 x 2-0 และการควบคุมกลยุทธ์สำหรับ 1-61 123an 125n สำหรับฉัน แล้วโดยการทำซ้ำและสมมติว่า 2 และ 3 ยังคงเหมือนเดิมเราสามารถสรุปได้ว่าสำหรับ n-1 X ตอบสนอง