LEARNING
保持可达性的折扣可达代价值函数的贝尔曼算子：统一哈密顿-雅可比可达性与强化学习
Isabelle El-Hajj, Prashant Solanki, Jasper van Beers, Coen de Visser, Erik-Jan van Kampen
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种保持语义的折扣可达代价值函数及其非加性贝尔曼算子，其唯一不动点与哈密顿-雅可比可达性公式中的值函数完全一致。通过证明折扣使该算子具有压缩性，保证了值迭代的存在性、唯一性和收敛性，从而建立了哈密顿-雅可比可达性与强化学习之间的理论桥梁。
关键词
Hamilton-Jacobi reachabilityreinforcement learningBellman operatordiscounted reach-costvalue iteration
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018