标签
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。
本文研究隐藏拜占庭攻击下多智能体系统的在线协同控制，建立了信息论极限，并提出了一种具有可证明遗憾界的稳健估计到决策学习器。