基于蒙特卡洛规划的约束马尔可夫决策过程的随机控制
原文中文，约300字，阅读约需1分钟。发表于：。在随机控制的领域中，尤其是在经济学和工程学中，马尔可夫决策过程（MDPs）能够有效地建模各种随机决策过程，从资产管理到运输优化。本文定义了一个 MDP 框架，SD-MDP，通过解开 MDPs...
本文介绍了马尔可夫决策过程（MDPs）在随机控制领域的应用。通过解开MDPs的因果结构，提供了时间因果图上的不同分区。将这个估计器集成到蒙特卡洛规划算法中，得出了算法的简单遗憾界限。通过实际经济示例展示了在SD-MDP框架下，MCTS规划算法取得更高预期奖励的政策改进。
