Processi di Markov a Orizzonte Finito e Criteri di Ottimalità

Questa tesi analizza i processi decisionali di Markov, approfondendone le basi probabilistiche e la formulazione a orizzonte finito. Dopo aver introdotto gli strumenti fondamentali della teoria della misura e della probabilità, viene presentata la struttura del modello, che include gli spazi di stato e di azione, le probabilità di transizione e le funzioni di ricompensa. Infine, si affronta il problema dell’ottimalità, illustrando le equazioni di Bellman e l’algoritmo di induzione a ritroso per la determinazione di strategie ottimali.