Una búsqueda de árboles en Monte Carlo es ingenua, analiza todas las alternativas posibles y hace un promedio de algunas. Considere un montón de caminos, sígalos y cada vez que se tome una decisión, divida ese camino en tantas posibilidades como sea posible, y así sucesivamente … El método es computacional y costoso para la memoria, sin embargo, no requiere ningún supuesto.
La programación dinámica aproximada (ADP) se basa en el supuesto de markovianidad en el proceso estocástico subyacente y en tal supuesto se construye el principio de programación dinámica que permite resolver exactamente el problema dinámico, resolviendo una secuencia de problemas estáticos. ADP considera muchas alternativas como el método de Monte Carlo, sin embargo, retrocede en el tiempo, y paso a paso considera un número controlado de escenarios en cada capa de tiempo. No se consideran todas las posibilidades, pero solo se toma la mejor opción cada vez que se requiere. Se optimiza la optimización de tal manera que no se debe introducir ningún sesgo en la solución.
- ¿Por qué se garantiza que la liebre y la tortuga se encontrarán en el algoritmo de detección de ciclos de Floyd?
- ¿Cuál es el algoritmo de clasificación más rápido con la menor complejidad?
- ¿Debería darse más reconocimiento a las personas que hacen el trabajo de limpiar conjuntos de datos para que puedan ser utilizadas por personas que ejecutan algoritmos de aprendizaje automático?
- Si hipotéticamente encontré un algoritmo que genera rendimientos comerciales al 100% anualmente, ¿qué debo hacer con él?
- Cómo revertir una lista vinculada usando la recursividad de cola y dos punteros
