Robust Exploratory Stopping Under Ambiguity in Reinforcement Learning
创建于 更新于
摘要
本文提出并分析了在不确定性（ambiguity）下的连续时间鲁棒强化学习框架，用于最优停止问题。通过将传统的最优停止问题转化为熵正则化的最优控制问题，并引入Bernoulli分布控制实现探索，利用反向随机微分方程（BSDE）刻画最优控制。基于该理论，设计了具有策略迭代收敛性的强化学习算法，并通过数值实证验证了算法在不同不确定性和探索程度下的稳定性和鲁棒性 [page::0][page::1][page::7][page::8][page::13]。
