Stradi

新的CMDP算法绕过Slater条件以提高性能

研究人员为在线片段式约束马尔可夫决策过程（CMDPs）开发了一种新算法，该算法改进了现有方法。该算法处理随机和对抗性约束，而无需Slater条件，这是一个重大的进步，允许在不存在严格可行解的情况下进行设置。它在懊悔和约束违反保证方面取得了改进，甚至解决了正约束违反问题，并在对抗性场景中提供了相对于无约束最优值的次线性 alpha-懊悔。该算法的有效性已通过合成实验得到证明。