arXiv · cs.AI· Chenxi Li·· 1 天前AI 评分31
安全多目标强化学习：零约束违反与原始平均收敛
Safe Multi-Objective Reinforcement Learning: Zero Constraint Violation and Primal-Averaging Convergence
来源与原文
arXiv · cs.AI
作者：Chenxi Li
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39409v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 一项研究提出安全多目标强化学习（MORL）算法，在累计和逐步两类约束下，通过乐观奖励估计与悲观代价界结合，保证 T 个 episode 中执行的每个策略零约束违反。算法基于平均占用测度返回安全 Markov 策略，在光滑 Tchebycheff 标量化下取得 O~(1/√T) 次优差距；无偏好版本在 T 次探索与 K 次规划后达到 O~(1/√T+1/√K) 差距，并在放宽初始安全策略要求时最多产生常数累计违反。
来源：arXiv · cs.AI · arxiv.org