constraint violation | BriefGPT

关键词constraint violation

搜索结果 - 9

无伤害：一种针对安全强化学习的对比方法
通过对学习策略与默认的安全策略进行比较，我们提出了一种对反事实伤害进行约束的方法，在考虑不确定性和复杂环境表示的基础上实现了学习更安全策略的目的。
PDF2 months ago
高效约束强化学习与普适参数化
在受限制的马尔可夫决策问题（CMDP）中，我们开发了原始 - 对偶加速自然策略梯度（PD-ANPG）算法，它保证了 ε 全局最优性差距和 ε 约束违反，样本复杂度为 O (ε^-3)，从而在 CMDP 的样本复杂度上取得了 O (ε^-1)
PDF2 months ago
模型不匹配下的受限增强学习
在训练环境下，现有的关于约束强化学习（RL）的研究可能可以获得良好的策略。然而，在真实环境中部署时，由于训练与真实环境之间可能存在模型不匹配，它可能很容易违反最初满足的约束。为了解决上述挑战，我们将问题形式化为模型不确定性下的约束强化学习，
PDF2 months ago
AAAI基于策略的原始对偶法用于凸约束马尔可夫决策过程
研究凸约束马尔可夫决策过程（CMDPs），提出基于策略的原始 - 对偶算法来解决优化问题和约束问题，通过隐藏在问题中的凸性证明了所提出的算法的全局收敛性，并以最优性差距和约束违规性表示，证明了算法的 $O (T^{-1/3})$ 收敛速度。
PDF2 years ago
MM零或有界约束违规的约束马尔可夫决策过程策略学习
本文探讨了在强化学习过程中如何确保系统安全，并提出了一种基于 Markov 决策过程的算法，通过乐观悲观原则实现了安全探索和奖励控制，使系统在保证零约束违规的前提下，获得可观的奖励表现。
PDF3 years ago
一种可证明高效的无模型算法用于受限制马尔可夫决策过程
本文提出了一种适用于约束马尔可夫决策过程（CMDP）的无模拟无模型强化学习算法 Triple-Q，并且该算法具有亚线性后悔和零约束违规。
PDF3 years ago
ICLR基于投影的约束策略优化
本研究提出了一种新的算法，投影约束策略优化（PCPO），用于学习控制策略，以优化奖励函数并满足由安全、公平或其他成本考虑所产生的约束，结果表明与现有的方法相比，PCPO 在多个控制任务中的表现优异，约束违反率平均低至 3.5 倍左右，奖励水
PDF4 years ago
请注意根节点：解码依存句法分析的树形结构
该研究分析了依存树和生成树之间的关系，发现依存树的根节点只能有一条边出去，提出了一种有效的算法解决这个约束问题，并且没有影响原来的运行时间。
PDF4 years ago
累积约束的在线凸优化
该研究提出了一种在线凸优化算法，其可以处理特定类型的累计平方约束违规问题，以及为凸目标导出了另类的后悔边界，并针对强凸目标提出了改进的后悔边界，并在数值实验中说明了该算法的效果。
PDF6 years ago