arXiv · ML· Quynh Trinh, Trung Nguyen, Nam Nguyen, Tuan Dam·· 8 小时前AI 评分26
基于分布式蒙特卡洛树搜索的风险敏感规划算法 CATSO 与 PATSO
Beyond Expected Values: Risk-Sensitive Planning with Distributional Monte-Carlo Tree Search
AI 导读
研究提出 CATSO 和 PATSO 两种分布式 MCTS 算法，利用条件风险值 (CVaR) 优化规划以应对尾部风险。 两者在有限深度嵌套 CVaR 规划目标下证明了根值误差为 O(n^{-1/2}) 的界，实验表明该方法能降低灾难性结果。 该成果发表于第 40 届神经信息处理系统大会 (NeurIPS)。
来源：arXiv · ML · arxiv.org