4. Dynamische Entscheidungsfindung

Das Kapitel befasst sich mit den Grundlagen der dynamischen Entscheidungsfindung und definiert den dynamischen Entscheidungsprozess (DDP) als zentrales Konzept. Ein DDP umfasst eine Reihe von Entscheidungen, die in einem definierten System über einen Zeithorizont getroffen werden. Ein exogener Prozess beeinflusst das System kontinuierlich, während Entscheidungen den nachfolgenden Zustand des Systems beeinflussen. Der Markov-Entscheidungsprozess (MDP) wird als Spezialfall des DDP eingeführt, wobei der Entscheidungsträger ausschließlich auf die aktuellen Zustandsparameter zurückgreift. Die approximative dynamische Programmierung (ADP) wird als Strategie zur Lösung von MDPs vorgestellt, die durch Simulationen und Wertfunktionsapproximation zukünftige Entwicklungen antizipiert. Drei Kategorien von ADP-Strategien werden unterschieden: myopisch, vorausschauend und Wertfunktionsapproximation. Jede Kategorie hat spezifische Merkmale und Anwendungsfälle, die die Effizienz und Genauigkeit der Entscheidungsfindung beeinflussen. Die detaillierte Darstellung der ADP-Strategien und ihre Anwendung in realen Anwendungen macht den Beitrag besonders interessant für Fachleute, die sich mit stochastisch-dynamischen Optimierungsproblemen beschäftigen.