跳到正文
arXiv · ML· Zihao Zhao, Ashwath K. Karunakaram, Ali Eshragh, Yuexing Li, Kai Wang·· 2026-10-07AI 评分22

Decision-Focused Learning in MDPs: An Occupancy Measure Approach

Decision-Focused Learning in MDPs: An Occupancy Measure Approach

AI 导读

论文提出基于占用度量 LP 的 DFL 方法,通过闭式梯度与随机行草图解决 MDP 中 KKT 方法的扩展性问题。 该方法引入增强拉格朗日代理与软状态聚合层,使方法可扩展至大状态空间及连续状态 MDP。 在多项任务中,该方法实现比 KKT 型 DFL 和两阶段基线更低的 regret 及更低的计算成本。

来源:arXiv · ML · arxiv.org