Regret-based Reward Elicitation for Markov Decision Processes

作者
Kevin Regan,Craig E. Boutilier
出处
期刊:Cornell University - arXiv [Cornell University]
卷期号:: 444-451 被引量:62
标识
DOI:10.48550/arxiv.1205.2619
摘要

The specification of aMarkov decision process (MDP) can be difficult. Reward function specification is especially problematic; in practice, it is often cognitively complex and time-consuming for users to precisely specify rewards. This work casts the problem of specifying rewards as one of preference elicitation and aims to minimize the degree of precision with which a reward function must be specified while still allowing optimal or near-optimal policies to be produced. We first discuss how robust policies can be computed for MDPs given only partial reward information using the minimax regret criterion. We then demonstrate how regret can be reduced by efficiently eliciting reward information using bound queries, using regret-reduction as a means for choosing suitable queries. Empirical results demonstrate that regret-based reward elicitation offers an effective way to produce near-optimal policies without resorting to the precise specification of the entire reward function.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
现代的手套给现代的手套的求助进行了留言
刚刚
WW发布了新的文献求助10
刚刚
拼搏问安完成签到,获得积分10
2秒前
2秒前
bq发布了新的文献求助10
2秒前
闪闪松鼠发布了新的文献求助10
3秒前
孤独幻枫发布了新的文献求助10
3秒前
3秒前
yun发布了新的文献求助10
3秒前
Eternity0006完成签到 ,获得积分10
3秒前
4秒前
4秒前
aaa的应助被灯笔忆扬采纳,获得10
5秒前
5秒前
娃娃哈发布了新的文献求助10
5秒前
5秒前
haung完成签到,获得积分10
6秒前
6秒前
7秒前
柘砚关注了科研通微信公众号
7秒前
8秒前
8秒前
8秒前
亚胺培南西司他丁钠完成签到,获得积分20
9秒前
搜集达人的应助被熟睡的妻子采纳,获得10
9秒前
Hannibal发布了新的文献求助10
9秒前
潇洒的平松完成签到,获得积分10
9秒前
9秒前
10秒前
fjmelite发布了新的文献求助10
10秒前
好好学习完成签到 ,获得积分10
10秒前
10秒前
11秒前
枳言发布了新的文献求助10
11秒前
wow完成签到 ,获得积分10
12秒前
Evan123完成签到,获得积分10
12秒前
jtc发布了新的文献求助10
12秒前
头头猫完成签到 ,获得积分10
13秒前
13秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Essentials of Carbohydrate Chemistry and Biochemistry, 4th Edition 1000
Электротехническая система магнитожидкостной герметизации валов регулируемых электродвигателей 800
日本語と中国語及びチベット・ビルマ語の語源関連性に関する分析 800
Holistic Discourse Analysis, Second Edition by Robert E. Longacre 666
Mental Health 600
The Basics of Practical Optimization, Second Edition 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 计算机科学 工程类 纳米技术 有机化学 物理 生物化学 化学工程 内科学 复合材料 催化作用 心理学 人工智能 细胞生物学 光电子学 无机化学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 7977618
求助须知:如何正确求助?哪些是违规求助? 9440699
关于积分的说明 21071500
捐赠科研通 7553220
什么是DOI,文献DOI怎么找? 3374912
关于科研通互助平台的介绍 2509442
邀请新用户注册赠送积分活动 2407858