CONTINUOUS TIME MARKOV DECISION PROGRAMMING WITH AVERAGE REWARD CRITERION AND UNBOUNDED REWARD RATE

This paper deals with the continuous time Markov decision programming (briefly CTMDP) withunbounded reward rate.The economic criterion is the long-run average reward. To the models withcountable state space,and compact metric action sets,we present a set of sufficient conditions to ensurethe existence of the stationary optimal policies.

非平稳MDP平均模型ε_n－最优策略的结构

本文考虑的是状态空间和行动空间均为一般集的非平稳ＭＤＰ平均模型εｎ－最优策略的结构和性质，通过相应的一般决策模型的建立及εｎ－最优行动集Ａεｎ的引入，讨论了εｎ－最优策略的凸组合，凸分解等若干性质。

非平稳MDP—平均样本轨道最优

作者考虑的是任意状态空间，任意行动空间非平稳MDP的平均样本轨道目标．在弱遍历条件下，用鞅的极限理论，证明了最优马氏策略的存在性，推广了A．Arapostathis，V．Borkar，E．F．Gaucherand，M．Ghosh，S．Marcus[1]（1993）的主要结果．

期望平均准则的半马氏MDP

本文讨论的是由可数状态空间，任意行动空间及半马氏决策矩阵所确定的半马氏决策过程的期望平均准则，在半马氏决策矩阵和报酬函数满足一定的条件下．用概率论中的稳定性定理，证明了ε（≥０）－强最优平稳策略的存在性．

半马氏MDP平均模型

研究了半马氏MDP平均模型，提出了新的较弱的假设条件，证明了半马氏MDP平均模型最优方程解的存在性，然后从最优方程出发，证明了存在ε（≥0）－最优平稳策略。