带基线性能保证的约束随机最优控制
最优化与控制
2014-10-13 v1
摘要
本文中，我们展示如何利用由所谓基线策略构建的模拟马尔可夫决策过程（MDP）来计算一个不同策略，即模拟最优策略，该策略在真实环境中的性能保证优于基线策略。此技术在新闻推荐系统、医疗诊断和数字在线营销等领域有巨大应用。我们提出的算法在离线设置下迭代求解模拟MDP中的一个“好”策略。此外，我们为由所提算法生成的控制策略提供了次优性性能界。
引用
@article{arxiv.1410.2726,
title = {Constrained Stochastic Optimal Control with a Baseline Performance Guarantee},
author = {Yinlam Chow and Mohammad Ghavamzadeh},
journal= {arXiv preprint arXiv:1410.2726},
year = {2014}
}