Решение задачи

Даны функции поведения динамической системы со случайными ошибками в каждой функции. Также можно управлять одной единственной переменной X, от которой зависят все данные функции, в результате воздействия на которую получается некое вознаграждение в каждом периоде игры t – [0, T].

1. Как можно получить оптимальную динамическую стратегию управления переменной X, чтобы максимизировать вознаграждение на всём промежутке от 0 до T?
2. Рассмотреть случай для произвольного вектора X