planning-algorithm

标签

#planning-algorithm

Multichain鲁棒平均奖励Markov决策过程的向量Bellman理论

arXiv cs.LG ↗ · 2026-09-25 缓存

本文介绍了用于鲁棒平均奖励Markov决策过程的向量Bellman理论，通过有限模型可解性和近似移位的Halpern规划算法，实现了在转移不确定性下的最优性能。

0 人收藏 0 人点赞