本文深入探讨了平均奖励鲁棒马尔可夫决策过程(MDP)的理论基础,这是一个复杂的序贯决策领域。研究聚焦于恒定增益设置,以建立一个通用框架,分析鲁棒贝尔曼方程及其与最优平均奖励的联系。研究确定了该方程的解准确表示最优平均奖励和稳态策略的条件,从而推进了在运行环境中的长期平均标准的动态规划理论。 AI
影响 扩展了在长期平均标准下进行鲁棒决策的动态规划理论。
排序理由 学术论文发表在arXiv上,详细介绍了马尔可夫决策过程的理论进展。[lever_c_demoted from research: ic=1 ai=0.7]
- arXiv
- Average-Reward Robust Markov Decision Processes
- Bellman optimality
- Markov decision processes
- Nian Si
- S-rectangular adversary
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →