dynamic programming
PulseAugur coverage of dynamic programming — every cluster mentioning dynamic programming across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的深度学习算法解决了高维动态规划问题
研究人员开发了一种名为确定性等价学习（CEL）的新型深度学习算法，用于解决具有递归效用的复杂高维动态规划问题。这种无网格、基于仿真的方法使用神经网络直接学习确定性等价值，无需状态转换的显式表示或可微性。CEL算法在各种金融应用中，包括鲁棒控制和资产配置，都对值函数和策略函数进行了准确的近似，贝尔曼误差在 1.0e-4 到 1.0e-3 的范围内。
-
新研究简化了马尔可夫决策过程中的最优策略
研究人员开发了一种理解结构化马尔可夫决策过程中最优策略的新方法。该研究提出了基于边界的策略近似方法，直接学习策略区域，这与传统逼近价值函数的方法形成对比。这种新方法将性能下降与动作边距联系起来，并解释了在临界边界附近的误差集中。在库存控制和队列接入方面的实验表明，与现有的强化学习基线相比，策略误差、价值差距和稳定性得到了改善。
-
强化学习数学系列继续讲解动态规划
本文是强化学习数学系列文章的第六部分。它侧重于动态规划，一种求解贝尔曼最优性方程的方法。作者指出，动态规划需要预先了解环境的动态。
-
研究人员将DP和CP结合用于调度问题
研究人员展示了一种新颖的混合方法，结合了动态规划（DP）和约束规划（CP）来解决部分车间调度问题（PSSP）。该方法使用DP作为主要的搜索框架，并将CP集成作为约束传播的子程序。混合模型提供了灵活性，能够适应任意的优先约束，并支持诸如大型邻域搜索之类的先进技术。
-
新理论保证 AI 模型蒸馏在优化中的成功
研究人员为组合优化任务中的知识蒸馏成功开发了一个理论框架。他们的工作侧重于训练一个较小的图神经网络 (GNN) 来模仿一个较大的模型，其中 GNN 的架构与特定问题的动态规划算法对齐。该研究提供了一个严格的条件，在该条件下，假设源模型具有由线性表示假设定义的足够丰富的特性，就可以有效地解决这种蒸馏过程。
-
AI安全认证被重构为分类问题，规避递归错误
研究人员开发了一个新颖的框架来认证动态系统的安全性，将其视为一个分类问题而非递归动态规划方法。这种新方法使用核嵌入直接估计T步安全概率，避免了传统方法中存在的复合误差，尤其是在更长的时间范围内。该框架统一了现有的方法，如屏障证书和鲁棒马尔可夫模型，能够对具有非马尔可夫动力学的系统进行安全认证，并展示了在不同认证范围内的稳定性。
-
新研究推动了对抗性模仿学习的理论与实践
两篇新论文探讨了对抗性模仿学习（AIL）的理论基础，这是一种使用神经网络从专家演示中学习的技术。第一篇论文介绍了OPT-AIL，一个旨在通过实现高效的在线学习和通用函数逼近来弥合AIL理论与实践之间差距的框架。第二篇论文分析了AIL在低样本量下的有效性，解释了它如何用最少的专家数据实现强大的性能，并在长规划视野中保持这种性能。
-
一项新的研究探讨了强化学习中用于控制任务的贝尔曼残差最小化方法
本文介绍了将贝尔曼残差最小化应用于马尔可夫决策问题策略优化的基础性研究成果。虽然动态规划更为常见，但贝尔曼残差最小化在函数逼近方面具有稳定的收敛性等优势。该研究侧重于将此方法扩展到控制任务，而控制任务的探索程度不如策略评估。