EXPLORATORY OPTIMAL STOPPING: A SINGULAR CONTROL FORMULATION
创建于 更新于
摘要
本文提出将最优停止问题用“随机化停止/有限燃料奇异控制”与累积剩余熵（CRE）正则化相结合，从而在连续时间/连续状态下构建具有探索性的最优策略，并证明正则化问题的值函数满足退化的(n+1)-维奇异控制HJB方程并具有唯一反射式最优解 [page::0][page::13]. 基于该理论框架，作者给出基于策略迭代的模型化数值方案和基于actor–critic的模型自由深度强化学习算法，并在一维与高维实验中验证了算法能有效学习到自由边界与价值函数近似近似解 [page::27][page::33].
