arXiv 机器学习· Xun Shen, Yuepeng Wang, Daniyal Sajedi-Hosseini, Akifumi Wachi, Ken Kawano, Yoshihiko Fujisawa, Mehrshad Sadria, S\'ebastien Gros, Katsuki Fujisawa·· 2 小时前AI 评分29
用于稳定状态分布的基于相异度马尔可夫决策过程
Dissimilarity-Based Markov Decision Processes for Stabilizing State Distributions
AI 导读
研究提出了基于相异度的马尔可夫决策过程（DMDP）理论框架，通过使策略作用于状态分布并以目标相异度为优化目标，确立了实现目标分布渐近稳定的充分条件。该研究引入有限维分布表征与理论证书以应对学习和估计误差，并在实际实现中结合了 PPO 与 SAC。线性系统及 HalfCheetah 速度分布调节实验验证了分布反馈与显式目标匹配的有效性。
来源：arXiv 机器学习 · arxiv.org