杨洁 李炜 柳向东

大数定律 非零和随机对策 随机环境 期望折扣赔付准则 马尔柯夫决策规划（MDP） 马氏链 强大数定理 常返性 可数状态空间 最优化算法 期望总报酬准则 约束最优策略 Lagrange乘子 马尔柯夫决策规划MDP) 高维随机游动 Nash平衡点 转移 非平稳 马尔柯夫决策规划 数值解 平均目标 均值

湖南师范大学数学系 中山大学数学系 暨南大学统计学系 广东广州 北京信息科技大学理学院 中山大学数学与计算科学学院