论多维马尔可夫奖励的表达能力

我们考虑在不确定性下序贯决策中马尔可夫奖励的表达能力。我们将马尔可夫决策过程（MDP）中的奖励函数视为刻画智能体期望行为的手段。假设期望行为被指定为一组可接受策略，我们研究是否存在标量或多维马尔可夫奖励函数，使该组中的策略比其他策略更可取。我们的主要结果给出了此类奖励函数存在的充分必要条件。我们还证明，对于每一组非退化的确定性策略，都存在一个刻画它的多维马尔可夫奖励函数。