risk-sensitive-reinforcement-learning

本文研究了在生成模型下有限折扣MDP中的风险敏感强化学习，重点是在优化确定性等价（OCE）风险度量下学习最优值函数和策略的样本复杂度。文章给出了PAC可学习性的精确条件，分析了一种基于模型的方法，并建立了紧的下界，包括对CVaR风险参数的改进依赖关系。