В контексте того, что будущая прибыль обесценивается постоянным параметром, принцип однократного отклонения верно как для повторных игр, так и для динамического программирования.
Поскольку в повторяющихся играх отклонение от одного выстрела относится к одной истории, поэтому на пути равновесия отклонение от одного выстрела может привести к игре, которая отличается более чем на один этап от первоначального пути равновесия.
Верно ли это для последовательности переменных состояния и управляющих переменных в динамическом программировании? Другими словами, может ли одноразовое отклонение генерировать вышеупомянутую последовательность, которая отличается для более чем одной стадии?
Я не понимаю, о чем вопрос. Можете ли вы расширить или объяснить более формально? Динамическое программирование - это просто общая техника, которая полезна только для решения некоторых проблем. Когда это полезно, это потому, что оптимальное решение имеет форму оптимального решения подзадач, а затем принятия оптимального решения на текущем «уровне» с учетом решений подзадач. Поскольку мы принимаем оптимальное решение на каждом этапе или уровне, конечно, любое другое решение или «отклонение» не будет лучше ...
—
usul