标签
本文提出了分位数传播规划（QPP），通过动力学传播一组固定的扰动分位数，在有限的模型评估预算下评估均值和尾部风险。结果表明，在过载和库存任务中，与均值轨迹规划相比，该方法降低了尾部成本和约束违反次数。
本文将一种基于Extreme Value Theory的CVaR优化方法从强化学习推广到高维神经网络策略，得到可通过自动微分计算的可微尾部风险目标函数，并证明在极端场景下，其对冲性能优于使用经验CVaR训练的策略。