Buchumschlag

A Bayesian Composite Risk Approach for Stochastic Optimal Control and Markov Decision Processes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Wentao, Chen, Zhiping, Xu, Huifu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Optimization and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stability Analysis of An Integrated Multistage Stochastic Programming and Markov Decision Process Problem
von: Yang, Zhiyao, et al.
Veröffentlicht: (2025)

Adaptive Distributionally Robust Optimal Control with Bayesian Ambiguity Sets
von: Ma, Wentao, et al.
Veröffentlicht: (2026)

Sample Complexity for Markov Decision Processes and Stochastic Optimal Control with Static Risk Measures
von: Chávez, Cristian, et al.
Veröffentlicht: (2026)

Risk-averse formulations of Stochastic Optimal Control and Markov Decision Processes
von: Shapiro, Alexander, et al.
Veröffentlicht: (2025)

Bayesian distributionally robust variational inequalities: regularization and quantification
von: Ma, Wentao, et al.
Veröffentlicht: (2025)

Risk-averse Decision Making with Contextual Information: Model, Sample Average Approximation, and Kernelization
von: Tao, Yuan, et al.
Veröffentlicht: (2025)

Necessary Optimality Conditions for Integrated Learning and Optimization Problem in Contextual Optimization
von: Tao, Yuan, et al.
Veröffentlicht: (2026)

Markov Decision Processes with Value-at-Risk Criterion
von: Xia, Li, et al.
Veröffentlicht: (2025)

Multistage Robust Average Randomized Spectral Risk Optimization
von: Wu, Qiong, et al.
Veröffentlicht: (2024)

Cyber Risk Management and Mitigation via Controlled Stochastic SIS Dynamics: An Optimal Control Approach
von: Na, Shize, et al.
Veröffentlicht: (2025)

Distributionally Preference Robust Optimization in Multi-Attribute Decision Making
von: Hu, Jian, et al.
Veröffentlicht: (2022)

A Modified Late Arrival Penalised User Equilibrium Model and Robustness in Data Perturbation
von: Li, Manlan, et al.
Veröffentlicht: (2023)

Semismooth Newton Methods for Risk-Averse Markov Decision Processes
von: Gargiani, Matilde, et al.
Veröffentlicht: (2025)

On the Convergence Rate of MCTS for the Optimal Value Estimation in Markov Decision Processes
von: Chang, Hyeong Soo
Veröffentlicht: (2024)

Quantification of Errors of the Performance Estimators in the Linear-Quantized Precoding Models for Massive MIMO Systems
von: Zhang, Jie, et al.
Veröffentlicht: (2025)

Absorbing Markov Decision Processes
von: Dufour, François, et al.
Veröffentlicht: (2023)

Risk-sensitive Markov Decision Process and Learning under General Utility Functions
von: Wu, Zhengqi, et al.
Veröffentlicht: (2023)

Risk-Averse Markov Decision Processes: Applications to Electricity Grid and Reservoir Management
von: Khojaste, Arash, et al.
Veröffentlicht: (2026)

Optimal Non-Asymptotic Rates of Value Iteration for Average-Reward Markov Decision Processes
von: Lee, Jongmin, et al.
Veröffentlicht: (2025)

Tractable Robust Markov Decision Processes
von: Grand-Clément, Julien, et al.
Veröffentlicht: (2024)

Mean Field Markov Decision Processes
von: Bäuerle, Nicole
Veröffentlicht: (2021)

Optimal Sample Complexity for Average Reward Markov Decision Processes
von: Wang, Shengbo, et al.
Veröffentlicht: (2023)

A Neural Network Approach for Stochastic Optimal Control
von: Li, Xingjian, et al.
Veröffentlicht: (2022)

Markov Decision Process Design: A Framework for Integrating Strategic and Operational Decisions
von: Brown, Seth, et al.
Veröffentlicht: (2023)

Quantum Markov Decision Processes: Dynamic and Semi-Definite Programs for Optimal Solutions
von: Saldi, Naci, et al.
Veröffentlicht: (2024)

Dynamic Capital Requirements for Markov Decision Processes
von: Haskell, William B., et al.
Veröffentlicht: (2024)

Learning Risk Preferences in Markov Decision Processes: an Application to the Fourth Down Decision in the National Football League
von: Sandholtz, Nathan, et al.
Veröffentlicht: (2023)

Safe Reinforcement Learning for Constrained Markov Decision Processes with Stochastic Stopping Time
von: Mazumdar, Abhijit, et al.
Veröffentlicht: (2024)

Statistical Robustness of Kernel Learning Estimator with Respect to Data Perturbation
von: Zhang, Sainan, et al.
Veröffentlicht: (2024)

A dynamical neural network approach for distributionally robust chance constrained Markov decision process
von: Xia, Tian, et al.
Veröffentlicht: (2023)

On Dynamic Programming Decompositions of Static Risk Measures in Markov Decision Processes
von: Hau, Jia Lin, et al.
Veröffentlicht: (2023)

Operator Splitting for Convex Constrained Markov Decision Processes
von: Grontas, Panagiotis D., et al.
Veröffentlicht: (2024)

Convex Approximations of Random Constrained Markov Decision Processes
von: Varagapriya, V, et al.
Veröffentlicht: (2025)

Optimal Risk-Sensitive Scheduling Policies for Remote Estimation of Autoregressive Markov Processes
von: Dutta, Manali, et al.
Veröffentlicht: (2024)

Optimal Sensor and Actuator Selection for Factored Markov Decision Processes: Complexity, Approximability and Algorithms
von: Bhargav, Jayanth, et al.
Veröffentlicht: (2024)

Robust Markov Decision Processes on Continuous State Spaces
von: Li, Mengmeng, et al.
Veröffentlicht: (2026)

Rectangularity and duality of distributionally robust Markov Decision Processes
von: Li, Yan, et al.
Veröffentlicht: (2023)

Bayesian Ambiguity Contraction-based Adaptive Robust Markov Decision Processes for Adversarial Surveillance Missions
von: Choi, Jimin, et al.
Veröffentlicht: (2025)

Stochastic Optimal Control with Side Information and Bayesian Learning
von: Milz, Johannes, et al.
Veröffentlicht: (2026)

Reoptimization Nearly Solves Weakly Coupled Markov Decision Processes
von: Gast, Nicolas, et al.
Veröffentlicht: (2022)