利用 Lehmann 精度下界 POMDP 最优策略的新充分条件
系统与控制
2018-10-23 v2
摘要
本文给出了部分可观测马尔可夫决策过程（POMDP）的最优策略能被短视策略下界所约束的新充分条件。所提出的两个条件，即 Lehmann 精度和余正优势，完全修正了 Lovejoy 1987 与 Rieder 1991 著名论文中两个关键假设存在的问题。对于受控感知 POMDP，Lehmann 精度同时利用了值函数的凸性与单调性，而经典的 Blackwell 优势仅利用凸性。文中给出了数值例子，其中 Lehmann 精度成立但 Blackwell 优势不成立，从而说明了主要结果在受控感知应用中的有用性。
引用
@article{arxiv.1806.08733,
title = {New Sufficient Conditions for Lower Bounding the Optimal Policy of a POMDP using Lehmann Precision},
author = {Vikram Krishnamurthy},
journal= {arXiv preprint arXiv:1806.08733},
year = {2018}
}