马尔可夫决策过程策略的安全区寻找

给定马尔可夫决策过程的一个策略，我们将安全区定义为状态的一个子集，使得该策略的大部分轨迹被限制在此子集内。安全区的质量由状态数量和逃逸概率（即随机轨迹离开该子集的概率）参数化。当安全区具有较少状态数和低逃逸概率时尤其令人关注。我们研究了寻找最优安全区的复杂度，并表明一般而言该问题在计算上是困难的。我们的主要结果是一个双准则近似学习算法，对逃逸概率和安全区大小均达到近乎 $2$ 的近似因子，且使用多项式大小的样本复杂度。