May, 2011

决策论规划：结构假设与计算杠杆

PDF
TL;DR本篇论文介绍和综合了基于马尔可夫决策过程相关的方法，显示它们为建立 AI 中研究的许多类计划问题提供了一个统一的框架，并概述了用于易于构建策略或计划的计算工具的几种类型的表示和算法。
planningmarkov decision processdecision theorystructural propertiesai-style representations
发现论文，激发创造
  • 关于信息结构在不完全可观察的序列团队与游戏中的增强学习的作用

    通过明确信息结构，我们提出了新的强化学习模型，捕捉了经典模型作为特例，以更丰富的方式分析顺序决策问题并实现更具针对性的算法设计。

    Mar, 2024

  • 风险敏感和鲁棒的基于模型的强化学习和规划

    本研究主要关注序列决策算法中的不确定性和风险问题，通过探索规划和强化学习两种方法，尤其是面向基于模型算法的研究，旨在缓解 epistemic 和 aleatoric 不确定性问题。

    Apr, 2023

  • 基于蒙特卡洛规划的约束马尔可夫决策过程的随机控制

    在随机控制的领域中，尤其是在经济学和工程学中，马尔可夫决策过程（MDPs）能够有效地建模各种随机决策过程，从资产管理到运输优化。本文定义了一个 MDP 框架，SD-MDP，通过解开 MDPs 的转移和奖励动态的因果结构，提供了时间因果图上的不同分区。通过将这个估计器集成到著名的蒙特卡洛规划算法中，如蒙特卡洛树搜索（MCTS），我们还得出了算法的简单遗憾界限。最后，我们通过在基于海上加油的实际经济示例中展示 MCTS 规划算法在 SD-MDP 框架下取得更高预期奖励（更低成本）的政策改进。

    Jun, 2024

  • 解决马尔可夫决策问题的复杂性

    本文总结了解决 Markov 决策问题及其算法运行时间的复杂性，并讨论了需要进一步研究实际算法来快速解决大问题的问题。同时，本文提出了一些基于 MDP 结构的替代分析方法，以鼓励未来的研究。

    Feb, 2013

  • 应急计划：基于决策的方法

    讨论了经典 AI 计划器中存在的世界不确定性的问题，提出了具有显式决策步骤的 Cassandra 部分顺序应急计划器，该计划器可以区分信息获取和决策过程。

    May, 1996

  • 不确定环境下的规划元推理

    提出了一种基于 metareasoning 的在线规划模型，用于解决实际场景下规划时间成本与策略改进的平衡问题，并通过引入 BRTDP 规划算法的特殊性质，提出了近似的元推理过程。

    May, 2015

  • 决策的排序模型：学习、优化、复杂性和计算

    研究智能系统以经济合理性解释其行为，其中包括涉及函数或效用的优化原则，最近这一理论已将约束纳入进来，即在满足某些信息处理约束的同时最大化效用。研究智能系统已从热力学工具中受益，本篇论文的目标是澄清这些结果在研究智能系统中的适用性，并改善对排序结构的分类和对能够允许这样的框架的要求的理解。

    Jun, 2024

  • 概率编程实现的概率规划

    本文通过概率编程的视角简要介绍了概率规划的概念，着重阐述了 HYPE 和 ALLEGRO 两个系统的特点，强调它们在处理概率规划中复杂建模问题方面的优势，如处理不断扩大和缩小的状态空间，离散和连续的概率分布，以及一阶设置中的非唯一先验分布等。

    Jan, 2018

  • 基于逻辑的伦理规划

    提出了一个在规划背景下进行伦理决策的框架，旨在应用于机器人。使用线性时间逻辑和词典偏好建模，提出了紧凑但高度表达的伦理规划语言，允许我们评估代理人的价值和欲望，引入了代理人的道德水平概念，并向多目标、多价值规划迈进。初步研究了规划任务的计算复杂性，并讨论了机器人的潜在应用。

    Jun, 2022

  • 强化学习中的结构：综述与开放问题

    为了克服弱数据效率、泛化能力有限、安全保障缺失、解释性差等因素导致强化学习在实际应用中面临的挑战，该论文提出了一种集成结构信息的方法来提高 RL 算法的性能和效率，并将结构信息的不同模式进行了分类，并提供了设计模式方面的新视角。

    Jun, 2023