Plně pravděpodobnostní návrh dynamických rozhodovacích strategií tvoří dobře propracovaný teoretický základ učících se rozhodovovacích systémů s širokým rozsahem využitelnosti v technických, přírodních i společenských oborech. Tato využitelnost je silně omezena složitostí spjaté optimalizace. V uvažovaném případě je potřeba aproximovat řešení speciální verze dynamického programování. Tímto řešením je skalární funkce velmi mnoha proměnných, která je zadána implicitně nelineární integrálně-diferenční rovnicí. Řešení tohoto problému je možno rozdělit na témata několika doktorských prací s proměnným důrazem na funkcionální analýzu, aproximaci funkcí či využití heuristických metod vyvíjených v souvislosti s umělou inteligencí. V úvahu připadají i sofwarová, simulačně orientovaná řešení.
- M. Kárný, T.V.Guy, Fully probabilistic control design, Systems & Control Letters, 55:4, 259-265, 2006
- M. Kárný et al, Optimized Bayesian Dynamic Advising: Theory and Algorithms, Springer, London
- J. Si et al, Handbook of Learning and Approximate Dynamic Programming, Wiley-IEEE Press, Danvers, 2004, ISBN 0-471-66054-X