数学 > 优化与控制
[提交于 2025年6月28日
]
标题: 深度神经网络可以证明在没有维度灾难的情况下求解马尔可夫决策过程的贝尔曼方程
标题: Deep neural networks can provably solve Bellman equations for Markov decision processes without the curse of dimensionality
摘要: 离散时间随机最优控制问题和马尔可夫决策过程(MDPs)是不确定环境下顺序决策的基本模型,因此提供了强化学习理论的数学框架。 求解MDPs的核心工具是贝尔曼方程及其解,即所谓的$Q$-函数。 在本文中,我们构建了用于无限时间范围且有限控制集$A$的MDPs相关$Q$-函数的深度神经网络(DNN)近似。 更具体地说,我们证明了如果MDP的收益函数和随机转移动态可以被具有泄漏整流线性单元(ReLU)激活函数的深度神经网络(DNN)适当近似,那么相关贝尔曼方程的解$Q_d\colon \mathbb R^d\to \mathbb R^{|A|}$,$d\in \mathbb{N}$也可以通过具有泄漏ReLU激活函数的DNN在$L^2$-意义下进行近似,这些DNN的参数数量在状态空间的维数$d\in \mathbb{N}$和预定误差$\varepsilon\in (0,1)$的倒数$1/\varepsilon$上最多以多项式速率增长。我们的证明依赖于最近引入的全历史递归多级固定点(MLFP)近似方案。
当前浏览上下文:
math.OC
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.