具有总无折扣代价与约束的连续时间马尔可夫决策过程的渐变-脉冲控制：基于归约方法的线性规划方法
最优化与控制
2022-04-07 v3
摘要
我们考虑渐变-脉冲 CTMDP（连续时间马尔可夫决策过程）模型在性能准则为期望总无折扣代价（来自运行代价与每次施加脉冲的代价）时的约束最优控制问题。折扣模型作为特例被涵盖。我们完整地论证了一种归约方法，并解决了先前文献中的一个开放问题。该归约方法导出一个等价但更简单的仅含渐变控制的标准 CTMDP 模型，基于此，在相当自然的条件之下，我们有效地建立了一种用于求解所述约束最优控制问题的线性规划方法。
引用
@article{arxiv.2112.02674,
title = {Gradual-impulsive control for continuous-time Markov decision processes with total undiscounted costs and constraints: linear programming approach via a reduction method},
author = {Alexey Piunovskiy and Yi Zhang},
journal= {arXiv preprint arXiv:2112.02674},
year = {2022}
}