新的CMDP算法绕过Slater条件以提高性能

研究人员为在线片段式约束马尔可夫决策过程（CMDPs）开发了一种新算法，该算法改进了现有方法。该算法处理随机和对抗性约束，而无需Slater条件，这是一个重大的进步，允许在不存在严格可行解的情况下进行设置。它在懊悔和约束违反保证方面取得了改进，甚至解决了正约束违反问题，并在对抗性场景中提供了相对于无约束最优值的次线性 alpha-懊悔。该算法的有效性已通过合成实验得到证明。 AI

影响 这项研究推进了约束下决策的理论理解和算法能力，可能影响需要在复杂、不确定环境中实现稳健性能的AI系统。

排序理由 详细介绍CMDP新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• 2025
• alphaXiv
• CatalyzeX
• Constrained Markov Decision Processes with Expected Total Reward Criteria
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Influence Flower
• ScienceCast
• Slater's condition
• Stradi

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →