数学 > 优化与控制
[提交于 2023年10月31日
(v1)
,最后修订 2024年3月4日 (此版本, v2)]
标题: 随机控制下一般信息结构和非马尔可夫环境的Q学习
标题: Q-Learning for Stochastic Control under General Information Structures and Non-Markovian Environments
摘要: 作为主要贡献,我们在一般情况下(可能是非马尔可夫的)随机环境中,针对随机迭代(尤其是Q学习迭代)提出了一个收敛性定理。 我们的收敛条件涉及遍历性和正性准则。我们精确地刻画了迭代的极限以及环境和初始化的收敛条件。 作为第二个贡献,我们讨论了该定理对多种具有非马尔可夫环境的随机控制问题的影响与应用,包括:(i)连续状态空间完全可观测马尔可夫决策过程(MDP)的量化近似(量化破坏了马尔可夫结构),(ii)信念MDP约简的弱Feller连续部分可观测马尔可夫决策过程(POMDP)的量化近似(需要控制器了解模型),(iii)在一致可控滤波稳定性下的POMDP有限窗口近似(不需要控制器了解模型),以及(iv)多智能体模型中学习动态收敛到新一类均衡(主观Q学习均衡)的研究。 除了收敛性定理之外,上述定理的一些推论对文献而言是新的,而另一些则被解释为收敛性定理的应用。一些开放性问题也被提出。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.