多目标 MDP 中的简单策略（技术报告）
计算机科学中的逻辑
2020-02-18 v3 人工智能
摘要
我们考虑在马尔可夫决策过程（MDPs）上一次性验证多个期望奖励目标。这通过获得帕累托前沿实现了多个目标之间的权衡分析。我们聚焦于易于使用和实现的策略，即纯策略（无随机化）且具有有界内存的策略。我们证明了检查一个点是否可由纯平稳策略实现是 NP 完全的，即便对于两个目标也是如此，并且我们提供了求解相应问题的 MILP 编码。有界内存情形可通过积构造归约到平稳情形。使用 \Storm 和 Gurobi 的实验结果展示了我们算法的可行性。
引用
@article{arxiv.1910.11024,
title = {Simple Strategies in Multi-Objective MDPs (Technical Report)},
author = {Florent Delgrange and Joost-Pieter Katoen and Tim Quatmann and Mickael Randour},
journal= {arXiv preprint arXiv:1910.11024},
year = {2020}
}