研究人员开发了一种名为安全方差自适应探索(SVAE)的新算法,用于约束马尔可夫决策过程(CMDPs)中的在线学习。该算法旨在有效学习这些过程中的安全子图,同时管理累积奖励的方差并控制约束违反。SVAE实现了特定的累积遗憾界限,并限制了步进约束违反,理论表明这些实例特定的依赖性是不可避免的。 AI
影响 为在复杂、受约束的环境中优化决策引入了一种新颖的算法。
排序理由 该条目是一篇学术论文,详细介绍了一种用于特定类型决策过程的新算法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CMDPs
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Safe Variance-Adaptive Exploration
- ScienceCast
- SVAE
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →