[免资源分]关于马尔可夫决策过程很全面的资料

　　将用户的需求抽象为可表示、 可量化、 可感知的特征是未来移动业务的重要特点， 用户偏好提取算法是探索这一问题的关键。分析了用户偏好提取算法的数学结构、 技术特点、 算法类型及研究面临的挑战。针对异构网络环境下移动用户的业务需求特点， 提出将传统用户偏好提取技术与马尔可夫决策过程建模方法相结合， 创建用户偏好评估模型。解决动态判决环境下基于不完整信息的智能判决问题。对研究用户体验的评价问题和业务与业务环境的适配问题提供了新的思路。

系统地讲解了数学建模的方法、类型、及相关工具结合若干实例全面地介绍统计、优化、偏微分方程数值、样条和曲线拟合等工具箱的内容和用法。统计工具箱部包括概率分布、假设检验、方差分析、回归分析、非参数检验、判别分析、聚类分析、主成分分析、试验设计、统计过程控制、常用统计图形、多元方差分析、决策树、因子分析、隐马尔可夫模型和多维尺度分析等内容。优化工具箱部分介绍线性规划、二次规划、非线性规划、多目标规划、0-1规划、最大最小化、半无限问题、最小二乘问题和方程求解，以及大型优化问题的求解方法。偏微分方程数