有限随机对策中出现的占据测度
最优化与控制
2020-03-06 v1 概率论
摘要
Shapley (1953) 引入了双人零和折扣随机对策(此后称随机对策),这是一种状态变量遵循双人控制马尔可夫链、参与人在每一阶段获得相加为 的报酬、且各自最大化某个固定折扣率 下的规范化 -折扣阶段报酬和的模型。在本文中,我们研究当折扣率趋于 时这些对策中出现的渐近占据测度。
引用
@article{arxiv.2003.02487,
title = {Occupation measures arising in finite stochastic games},
author = {Bruno Jaffuel and Miquel Oliu-Barton},
journal= {arXiv preprint arXiv:2003.02487},
year = {2020}
}