MDP 稀疏策略部署中的 Bellman 认证舍入

研究针对有限 MDP 中连续策略向稀疏二值策略舍入时的回报保留问题，提出了通过 2d+2 次 Bellman 求解构建可复用包络线的认证舍入方法。该方法引入候选特定界限，将结构化测试集上的舍入前认证覆盖率从 48.2% 提升至 74.1%。在 γ=0.95 且存在状态耦合的实例中，局部曲率积分进一步将界限与损失比的中位数从 402.3 降至 2.08。