混合可观测域中通过多臂老虎机松弛的最优感知

在混合可观测域中研究不确定性下的序贯决策。目标是在完全可观测内部状态施加的约束下，最大化从部分可观测随机过程获得的信息量。通过松弛约束导出了最优值函数的上界。我们确定了松弛问题为多臂老虎机的条件，其最优策略易于计算。将该上界应用于修剪原始问题中的搜索空间，并通过仿真实验评估对解质量的影响。实证结果显示在目标监控域中有效修剪了搜索空间。