跳到正文
arXiv · ML· Chenbei Lu, Hongyu Yi·· 3 天前AI 评分31

利用 Bellman 分布证书学习机会约束 MDP

Learning Chance-Constrained MDPs with Bellman Distributional Certificates

AI 导读

该研究揭示了机会约束 MDP (CCMDP) 的计算难度不一定意味着更高的统计代价,并为表格型折扣 CCMDP 建立了模型上限。 核心方法是构建 Bellman 分布证书,将轨迹级安全分析转化为局部转移不确定性,避免了候选策略上的联合界。

来源:arXiv · ML · arxiv.org