Distributionally Robust Partially Observable Markov Decision Process with Moment-Based Ambiguity

部分可观测马尔可夫决策过程 数学 数学优化 马尔可夫决策过程 有界函数 可见的 启发式 模棱两可 概率分布 力矩(物理) 联合概率分布 分段 马尔可夫过程 计算机科学 统计 物理 数学分析 经典力学 量子力学 程序设计语言
作者
Hideaki Nakao,Ruiwei Jiang,Siqian Shen
出处
期刊:Siam Journal on Optimization [Society for Industrial and Applied Mathematics]
卷期号:31 (1): 461-488 被引量:7
标识
DOI:10.1137/19m1268410
摘要

We consider a distributionally robust partially observable Markov decision process (DR-POMDP), where the distribution of the transition-observation probabilities is unknown at the beginning of each decision period, but their realizations can be inferred using side information at the end of each period after an action being taken. We build an ambiguity set of the joint distribution using bounded moments via conic constraints and seek an optimal policy to maximize the worst-case (minimum) reward for any distribution in the set. We show that the value function of DR-POMDP is piecewise linear convex with respect to the belief state and propose a heuristic search value iteration method for obtaining lower and upper bounds of the value function. We conduct numerical studies and demonstrate the computational performance of our approach via testing instances of a dynamic epidemic control problem. Our results show that DR-POMDP can produce more robust policies under misspecified distributions of transition-observation probabilities as compared to POMDP but has less costly solutions than robust POMDP. The DR-POMDP policies are also insensitive to varying parameter in the ambiguity set and to noise added to the true transition-observation probability values obtained at the end of each decision period.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
xin完成签到 ,获得积分10
2秒前
zz完成签到,获得积分10
2秒前
laoli2022完成签到,获得积分10
2秒前
小武完成签到,获得积分10
3秒前
ivy完成签到,获得积分10
3秒前
似水流年完成签到,获得积分10
3秒前
欣慰的书本完成签到 ,获得积分10
3秒前
谦让可冥完成签到,获得积分10
4秒前
晚霞完成签到 ,获得积分10
4秒前
yuncong323完成签到,获得积分10
5秒前
小胖完成签到 ,获得积分10
6秒前
Xiao_Fu完成签到,获得积分20
6秒前
PengHu完成签到,获得积分10
6秒前
JamesPei应助抗体药物偶联采纳,获得10
9秒前
尼古拉斯铁柱完成签到 ,获得积分10
10秒前
向往完成签到 ,获得积分10
11秒前
yc完成签到 ,获得积分10
11秒前
冷酷的海露完成签到,获得积分10
11秒前
一个美女完成签到,获得积分10
12秒前
王倩的老公完成签到 ,获得积分10
13秒前
fishswim1完成签到,获得积分10
14秒前
鲁卓林完成签到,获得积分10
16秒前
mengshang完成签到,获得积分10
17秒前
繁花业已落完成签到 ,获得积分10
17秒前
蓦然完成签到,获得积分10
19秒前
阿也完成签到 ,获得积分10
19秒前
木康薛完成签到,获得积分10
21秒前
眼睛大夜白完成签到 ,获得积分10
22秒前
易北完成签到,获得积分10
22秒前
日暮炊烟完成签到 ,获得积分10
23秒前
柳crystal完成签到,获得积分10
23秒前
搜集达人应助正直的平卉采纳,获得10
23秒前
奋斗的小研完成签到,获得积分10
23秒前
同城代打完成签到,获得积分10
25秒前
木南完成签到 ,获得积分10
25秒前
26秒前
哈哈哈完成签到 ,获得积分10
26秒前
研友_LNBW5L完成签到,获得积分10
26秒前
Annaya完成签到 ,获得积分10
27秒前
刘123完成签到 ,获得积分10
28秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Developing Genetic Editing Tools for Lysobacter 2000
Adhesion Science: Principles & Practice 800
The Graphene Handbook (2019 Edition) 700
Signals, Systems, and Signal Processing 610
IEST-RP-CC018: Cleanroom Cleaning and Sanitization: Operating and Monitoring Procedures 600
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6530522
求助须知:如何正确求助?哪些是违规求助? 8323240
关于积分的说明 17818472
捐赠科研通 5631866
什么是DOI,文献DOI怎么找? 2932261
邀请新用户注册赠送积分活动 1908888
关于科研通互助平台的介绍 1768204