arXiv 机器学习· Qian Zuo, Francesco Emanuele Stradi, Leyang Xue, Sattar Vakili·· 4 小时前AI 评分25
具有逐步约束的 CMDPs 实例相关遗憾界
Instance-Dependent Regret for CMDPs with Step-Wise Constraints
AI 导读
针对具有逐步安全约束的分幕式表格约束马尔可夫决策过程（CMDPs），研究者提出了安全方差自适应探索（SVAE）算法。该算法通过学习候选安全子图并执行方差自适应乐观规划，在 $K$ 幕中实现了实例相关的累积遗憾界以及逐步约束违反界。研究还证明了其具备关于 $K$ 呈多对数关系的 gap-dependent 违反界，并确立了对应的理论下界。
来源：arXiv 机器学习 · arxiv.org