标签
本文介绍了面向删失需求的一仓多店库存系统的资源自适应原始对偶学习，通过动态适应变化的资源水平实现对数遗憾。
本文提出约束敏感策略优化（CSPO），一种用于安全强化学习的一阶原始-对偶方法，该方法融合局部约束灵敏度以改善安全恢复并减少安全边界附近的振荡，在导航和运动基准上实现了更高的约束回报。