计算机科学 > 机器学习
[提交于 2025年7月2日
]
标题: 线性约束MDPs的样本复杂度界限与生成模型
标题: Sample Complexity Bounds for Linear Constrained MDPs with a Generative Model
摘要: 我们考虑无限时间范围的$\gamma$-折扣(线性)约束马尔可夫决策过程(CMDPs),其中目标是找到一个策略,在满足预期累积约束的前提下最大化预期累积奖励。 在可以访问生成模型的情况下,我们提出了一种原始对偶框架来解决CMDPs,该框架可以利用任何黑箱无约束MDP求解器。 对于特征维度为$d$的线性CMDPs,我们通过使用镜像下降值迭代(\texttt{MDVI})~\citep{kitamura2023regularization}作为一个示例MDP求解器来实例化该框架。 我们在两种情况下提供了所得到的CMDP算法的样本复杂度界限: (i)放松可行性,允许小的约束违反,以及 (ii)严格可行性,要求输出策略精确满足约束。 对于(i),我们证明该算法可以通过使用$\tilde{O}\left(\frac{d^2}{(1-\gamma)^4\epsilon^2}\right)$个样本以高概率返回一个$\epsilon$-最优策略。 我们注意到这些结果在$d$和$\epsilon$上表现出接近最优的依赖关系。 对于 (ii),我们证明该算法需要$\tilde{O}\left(\frac{d^2}{(1-\gamma)^6\epsilon^2\zeta^2}\right)$个样本,其中$\zeta$是问题相关的 Slater 常数,用于表征可行区域的大小。 最后,我们将框架应用于表格型 CMDPs,并证明它可以用于在此设置中恢复接近最优的样本复杂度。
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.