Policy-based Primal-Dual Methods for Concave CMDP with Variance Reduction

We study Concave Constrained Markov Decision Processes (Concave CMDPs) where both the objective and constraints are defined as concave functions of the state-action occupancy measure. We propose the Variance-Reduced Primal-Dual Policy Gradient Algorithm (VR-PDPG), which updates the primal variable v...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	The Journal of artificial intelligence research Jg. 83
Hauptverfasser:	Ying, Donghao, Guo, Mengzi Amy, Lee, Hyunin, Ding, Yuhao, Lavaei, Javad, Shen, Zuo-Jun Max
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	01.01.2025
ISSN:	1076-9757, 1076-9757
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!