arXiv · ML· Yue Wang, George Atia·· 7 天前AI 评分21
多链鲁棒平均收益马尔可夫决策过程的向量 Bellman 理论
Vector Bellman Theory for Multichain Robust Average-Reward Markov Decision Processes
AI 导读
针对有限模型与紧后动作 (s,a)-矩形不确定性,本文建立了多链鲁棒平均收益 MDP 的向量 Bellman 理论。 采用“增益优先、偏差其次”原则推导耦合向量系统,设计鲁棒近似 Halpern 规划算法,证明贪心控制器在有限预算内平均最优。 连接有限 Bellman 证书与无折扣规划,为状态依赖型鲁棒平均收益提供理论解释。
来源:arXiv · ML · arxiv.org