Généralisation Min Max pour l'Apprentissage par Renforcement Batch et Déterministe : Schémas de Relaxation - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2012

Généralisation Min Max pour l'Apprentissage par Renforcement Batch et Déterministe : Schémas de Relaxation

Résumé

On s'intéresse au problème de généralisation min max dans le cadre de l'apprentissage par renforcement batch et déterministe. Le problème a été originellement introduit par Fonteneau et al. (2011). Dans un premier temps, on montre que le problème est NP-dur. Dans le cas où l'horizon d'optimisation vaut 2, on développe deux schémas de relaxation. Le premier schéma fonctionne en éliminant des contraintes de telle sorte qu'on obtienne un problème soluble en temps polynomial. Le deuxième schéma est une relaxation Lagrangienne conduisant à un problème conique-quadratique. On montre théoriquement et empiriquement que ces deux schémas permettent d'obtenir de meilleurs résultats que ceux proposés par Fonteneau et al. (2011).
Fichier principal
Vignette du fichier
8.pdf (644.93 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-00736325 , version 1 (28-09-2012)

Identifiants

  • HAL Id : hal-00736325 , version 1

Citer

Raphael Fonteneau, Damien Ernst, Bernard Boigelot, Quentin Louveaux. Généralisation Min Max pour l'Apprentissage par Renforcement Batch et Déterministe : Schémas de Relaxation. Journées Francophones sur la planification, la décision et l'apprentissage pour le contrôle des systèmes - JFPDA 2012, May 2012, Villers-lès-Nancy, France. 16 p. ⟨hal-00736325⟩

Collections

JFPDA2012
62 Consultations
94 Téléchargements

Partager

Gmail Facebook X LinkedIn More