arXiv cs.LG· Zihao Zhao, Ashwath K. Karunakaram, Ali Eshragh, Yuexing Li, Kai Wang·2026-10-07 12:00· 5 小时前AI 评分17

MDP 中的决策聚焦学习：一种占用度量方法

Decision-Focused Learning in MDPs: An Occupancy Measure Approach

AI 导读

研究提出用占用度量（occupancy measure）将 MDP 重构为线性规划（LP），通过 pivoting 算法识别可行多面体的活跃约束，推导出闭式梯度，替代依赖 Bellman 方程 KKT 条件、需在全状态-动作对上求解线性系统的方法。

来源：arXiv cs.LG · arxiv.org