arXiv cs.AI / cs.LG 最新· Chenxi Li·· 1 天前AI 评分52
安全多目标强化学习新算法实现零约束违背与原始平均收敛
Safe Multi-Objective Reinforcement Learning: Zero Constraint Violation and Primal-Averaging Convergence
AI 导读
arXiv 论文提出安全多目标强化学习算法，在学习全程的累计约束与逐步约束下都保持零约束违背。方法将乐观奖励估计与悲观成本上界结合，在给定目标偏好时学出安全的 Pareto 最优策略，并以平均占用测度诱导出安全马尔可夫策略，在平滑 Tchebycheff 标量化下达到 O~(1/√T) 的次优差距。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。