数学 > 优化与控制
[提交于 2024年10月8日
(v1)
,最后修订 2025年6月5日 (此版本, v2)]
标题: 模型预测控制对于不安分的多臂老虎机几乎是最佳的
标题: Model Predictive Control is Almost Optimal for Restless Bandit
摘要: 我们研究了离散时间无限时域平均奖励的不安分马尔可夫多臂老虎机(RMAB)问题。 我们提出了一种基于\emph{模型预测控制}的非平稳策略,具有滚动计算时域$\tau$。 在每个时隙,该策略求解一个$\tau$时域线性规划,其第一个控制值被保留为 RMAB 的控制。 我们的解决方案假设最少,并以$\tau$和手臂数量$N$来量化最优性的损失。 我们证明了其次优性差距一般为$O(1/\sqrt{N})$,在局部稳定性条件下为$\exp(-\Omega(N))$。 我们的证明基于动态控制领域的一个框架,称为\emph{耗散性}。 与最先进的方法相比,我们的解决方案易于实现且在实践中表现出色。 此外,我们的解决方案和证明方法都可以轻松推广到更一般的约束MDP设置,因此,应该会引起新兴的RMAB社区的极大兴趣。
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.