面向马尔可夫决策过程的反检测最优与滚动时域控制
系统与控制
2019-08-22 v1 系统与控制
最优化与控制
摘要
本文考虑一个马尔可夫决策过程（MDP），其中自主智能体在追求其名义目标的同时，需要隐藏自身状态以规避对手检测。在给出问题形式化描述后，我们首先提出一种值迭代（VI）方法予以求解。为克服“维数灾难”从而提升对更大规模问题的可扩展性，我们进而提出一种滚动时域优化（RHO）方法以获得近似解。我们通过示例对VI与RHO方法进行说明与比较，并展示了我们所提问题形式化描述在实际应用中的潜力。
引用
@article{arxiv.1908.07691,
title = {Detection-averse optimal and receding-horizon control for Markov decision processes},
author = {Nan Li and Ilya Kolmanovsky and Anouck Girard},
journal= {arXiv preprint arXiv:1908.07691},
year = {2019}
}
备注
9 pages, 5 figures