我正在寻找马尔可夫决策过程/随机最优控制问题的求解器/优化器的求解器（另请参见不确定性下的顺序决策。
这个问题是由一组微分方程描述的，但它是通过时间离散化的。
d w / dt = u f(w) + z * w
d R / dt = (1-u) g(w)
其中 f(.),g(t) 是某个函数，z 是具有正态/对数正态/幂律概率分布的随机变量，u 是包含在 [0,1] 中的控制。你可能会及时改变。
优化标准可能是最后时间 T 的平均收入：
max_u E[R(T)]_z
我正在寻找类似于http://nicky.vanforeest.com/probability/mdp/mdp.html但在 c/c++ 中解决此类问题的库。