AVERAGE MODEL IN NONHOMOGENEOUS MARKOV DECISION PROCESSES AND ROLLING HORIZON ALGORITHM
非平稳MDP平均模型及其滚动式算法

本文考虑可数状态空间非平稳马尔可夫决策过程（ＭＤＰ）的平均目标．首先，我们指出并改正了Ｐａｒｋ，ｅｔ，ａｌ［１］和Ａｌｄｅｎ，ｅｔａｌ［２］的错误，并在弱于Ｐａｒｋ,ｅｔａｌ［１］的条件下，借助于新建立的最优方程，证明了最优平均值的收敛性和平均最优马氏策略的存在性．其次，给出了ε（＞０）－平均最优马氏策略的滚动式算法．