interval MDPs

新的因果抽象技术提高了 MDP 的可扩展性

研究人员开发了一种新的面向属性的因果抽象技术，用于马尔可夫决策过程（MDP），以解决可扩展性挑战。该方法利用状态变量谓词上的因果关系来识别具有相似原因来满足或违反抽象属性的状态。该方法已在各种 MDP 模型（包括区间 MDP 和随机博弈）上进行了理论和经验评估，证明了其创建更小抽象的潜力，这些抽象能够计算原始 MDP 的近优策略，并推广到相关的大规模模型。