#贝尔曼方程

多链鲁棒平均奖励 MDP 的向量贝尔曼理论

论文为具有紧凑后动作矩形不确定性的有限模型建立向量贝尔曼理论，处理状态依赖的鲁棒平均奖励问题。通过增益优先、偏差次之的优化原则得到耦合的向量增益-偏差系统，并设计鲁棒近似移位 Halpern 规划算法，证明增益估计与贝尔曼位移收敛到最优增益向量。