马尔可夫决策过程下基于分布式避障特性的认证策略验证与合成

本文研究了带安全可达性目标的部分可观测马尔可夫决策过程（POMDPs）。

提出了一种基于目标约束信念空间和符号约束的方法来合成实现安全可达性目标的策略。

实验结果表明，该方法能够在大量信念空间中高效地搜索有效策略。

研究探讨了在不确定参数的最具对抗性分布下，实现最大期望总回报的分布鲁棒MDP。

提出了一种新的模糊集形式来描述不确定性空间，并通过解决一系列一阶凸优化子问题构建分布鲁棒策略。

提出了一个泛用的框架，应用学习算法和启发式指导来验证马尔可夫决策过程 (MDP)。

研究了针对随机和部分未知环境下控制器综合的相关问题，并提出了一种基于安全的Markov决策过程的解决方案。

构建了DeepMDP框架，以解决政策简化和验证的挑战，并演示了如何通过最先进的强化学习获得有效政策。

介绍了一种鲁棒的任意学习方法，结合贝叶斯推断模型和计算稳健策略的方法，验证了其有效性。

在马尔可夫决策过程的顺序忽略性下，提出了一种截断两重鲁棒估计器以实现准确的离线策略评估。

设计了面向具有动态一致风险目标和约束的马尔可夫决策过程的策略，并通过数值实验验证了其有效性。

提出了一个形式框架，为定义不同形式目标的强化学习任务之间的转换提供了形式化定义。

研究强化学习中模型鲁棒性，以减少实践中的模拟与实际之间的差距，分析分布鲁棒价值迭代的采样复杂性。