具有指数效用的连续时间马尔可夫决策过程
最优化与控制
2016-11-29 v2
摘要
本文考虑Borel空间中的连续时间马尔可夫决策过程（CTMDP），其中需要最小化关于总未折现成本的指数效用的确定性等价。成本率是非负的。我们建立了最优方程。在紧致-连续性条件下，我们证明了确定性平稳最优策略的存在性。我们将风险敏感的CTMDP问题归约为一个等价的风险敏感离散时间马尔可夫决策过程，该过程与原CTMDP具有相同的状态和动作空间。特别地，CTMDP问题的值迭代算法源于此归约。我们无需对状态中转移率和成本率的增长施加任何条件，且受控过程可以是爆炸性的。
引用
@article{arxiv.1610.02844,
title = {Continuous-time Markov decision processes with exponential utility},
author = {Yi Zhang},
journal= {arXiv preprint arXiv:1610.02844},
year = {2016}
}