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).
Document type :
Conference papers
Liste complète des métadonnées

Cited literature [44 references]  Display  Hide  Download

https://hal.inria.fr/hal-00736325
Contributor : Olivier Buffet <>
Submitted on : Friday, September 28, 2012 - 9:08:05 AM
Last modification on : Friday, September 28, 2012 - 10:11:10 AM
Document(s) archivé(s) le : Friday, December 16, 2016 - 6:58:43 PM

File

8.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-00736325, version 1

Collections

Citation

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⟩

Share

Metrics

Record views

124

Files downloads

71