BriefGPT - AI 论文速递 · 2023-09-27T00:00:00Z 在线 CMDPs 中的无模型、后悔优化的最佳策略识别 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 研究提出PRI算法，用于在线约束马尔可夫决策过程中的最优策略识别问题。该算法基于CMDP的有限随机性属性，实现了无模型的高概率接近最优策略的学习，并提供了改进的后悔损失和约束违规的保证。 🏷️ 标签 CMDP PRI算法 后悔损失 无模型学习 最优策略识别 阅读原文 生成长图 分享链接 已复制链接
