研究人员引入了一个名为Bellman-Taylor分数解码的新框架，以解决将深度强化学习应用于具有复杂、状态相关动作的马尔可夫决策过程中的挑战。该方法将策略学习映射到欧几里得分数空间，允许使用标准的DRL算法，同时通过动作解码器强制执行可行性。该方法在小规模测试中表现出接近最优的性能，并在大型系统中比现有方法有了显著改进，特别是在应用于排队网络控制问题时。 AI
影响 简化了DRL在复杂控制问题中的应用，可能为运筹学和机器人领域带来新解决方案。
排序理由 该集群包含一篇详细介绍新研究框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.10979v1 Announce Type: new Abstract: Many Markov decision processes (MDPs) in operations research have feasible actions that are state dependent and defined implicitly by various operational constraints. These features make it difficult to use standard deep reinforceme…
Many Markov decision processes (MDPs) in operations research have feasible actions that are state dependent and defined implicitly by various operational constraints. These features make it difficult to use standard deep reinforcement learning (DRL) algorithms, whose action inter…