已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

A Policy Gradient Algorithm for the Risk-Sensitive Exponential Cost MDP

数学 指数函数 数学优化 算法 指数增长 应用数学 数学分析
作者
Mehrdad Moharrami,Yashaswini Murthy,Arghyadip Roy,R. Srikant
出处
期刊:Mathematics of Operations Research [Institute for Operations Research and the Management Sciences]
标识
DOI:10.1287/moor.2022.0139
摘要

We study the risk-sensitive exponential cost Markov decision process (MDP) formulation and develop a trajectory-based gradient algorithm to find the stationary point of the cost associated with a set of parameterized policies. We derive a formula that can be used to compute the policy gradient from (state, action, cost) information collected from sample paths of the MDP for each fixed parameterized policy. Unlike the traditional average cost problem, standard stochastic approximation theory cannot be used to exploit this formula. To address the issue, we introduce a truncated and smooth version of the risk-sensitive cost and show that this new cost criterion can be used to approximate the risk-sensitive cost and its gradient uniformly under some mild assumptions. We then develop a trajectory-based gradient algorithm to minimize the smooth truncated estimation of the risk-sensitive cost and derive conditions under which a sequence of truncations can be used to solve the original, untruncated cost problem. Funding: This work was supported by the Office of Naval Research Global [Grant N0001419-1-2566], the Division of Computer and Network Systems [Grant 21-06801], the Army Research Office [Grant W911NF-19-1-0379], and the Division of Computing and Communication Foundations [Grants 17-04970 and 19-34986].

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

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
刚刚
AM发布了新的文献求助20
1秒前
epoch发布了新的文献求助10
1秒前
coolru完成签到,获得积分10
1秒前
已知中的未知完成签到,获得积分10
1秒前
正直的夏真完成签到 ,获得积分10
2秒前
claud完成签到 ,获得积分10
4秒前
丘比特应助易达采纳,获得10
4秒前
小蘑菇应助研友_nEoEy8采纳,获得10
5秒前
6秒前
alan完成签到 ,获得积分10
7秒前
莫遥完成签到 ,获得积分10
7秒前
水星完成签到 ,获得积分10
7秒前
9秒前
11秒前
飘锅完成签到,获得积分10
13秒前
ying818k完成签到 ,获得积分10
14秒前
loser完成签到 ,获得积分10
18秒前
漫漫完成签到 ,获得积分10
21秒前
25秒前
25秒前
研友_n0Dmwn发布了新的文献求助10
25秒前
吴兰田完成签到,获得积分10
27秒前
469024195完成签到 ,获得积分10
27秒前
易达发布了新的文献求助10
30秒前
科研牛马完成签到,获得积分10
32秒前
桐桐应助研友_n0Dmwn采纳,获得10
36秒前
xiao完成签到 ,获得积分10
39秒前
JamesPei应助CikY采纳,获得10
39秒前
科研通AI2S应助礼貌问好采纳,获得10
39秒前
可耐的思远完成签到 ,获得积分10
40秒前
李小山完成签到,获得积分10
42秒前
xxx完成签到 ,获得积分20
43秒前
Jiaowen完成签到,获得积分20
44秒前
44秒前
MMMgao完成签到 ,获得积分10
45秒前
rnf完成签到,获得积分10
45秒前
悄悄是心上的肖肖完成签到 ,获得积分10
45秒前
王晓静完成签到 ,获得积分10
45秒前
47秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3244560
求助须知:如何正确求助?哪些是违规求助? 2888312
关于积分的说明 8252367
捐赠科研通 2556725
什么是DOI,文献DOI怎么找? 1385240
科研通“疑难数据库(出版商)”最低求助积分说明 650049
邀请新用户注册赠送积分活动 626193