مقاله شکل گیری پاداش عامل اصلی در MDP ها
| عنوان مقاله به انگلیسی | Principal-Agent Reward Shaping in MDPs |
| عنوان مقاله به فارسی | مقاله شکل گیری پاداش عامل اصلی در MDP ها |
| نویسندگان | Omer Ben-Porat, Yishay Mansour, Michal Moshkovitz, Boaz Taitler |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 31 |
| دسته بندی موضوعات | Artificial Intelligence,هوش مصنوعی , |
| توضیحات | Submitted 30 December, 2023; originally announced January 2024. , Comments: Full version of a paper accepted to AAAI'24 |
| توضیحات به فارسی | ارسال 30 دسامبر 2023 ؛در ابتدا ژانویه 2024 اعلام شد ، نظرات: نسخه کامل مقاله ای که به AAAI'24 پذیرفته شده است |
چکیده
Principal-agent problems arise when one party acts on behalf of another, leading to conflicts of interest. The economic literature has extensively studied principal-agent problems, and recent work has extended this to more complex scenarios such as Markov Decision Processes (MDPs). In this paper, we further explore this line of research by investigating how reward shaping under budget constraints can improve the principal's utility. We study a two-player Stackelberg game where the principal and the agent have different reward functions, and the agent chooses an MDP policy for both players. The principal offers an additional reward to the agent, and the agent picks their policy selfishly to maximize their reward, which is the sum of the original and the offered reward. Our results establish the NP-hardness of the problem and offer polynomial approximation algorithms for two classes of instances: Stochastic trees and deterministic decision processes with a finite horizon.
چکیده به فارسی (ترجمه ماشینی)
مشکلات اصلی عامل هنگامی بوجود می آید که یک طرف به نمایندگی از شخص دیگری عمل کند و منجر به تضاد منافع شود.ادبیات اقتصادی به طور گسترده مشکلات اصلی عامل را مورد مطالعه قرار داده است ، و کارهای اخیر این کار را به سناریوهای پیچیده تری مانند فرآیندهای تصمیم گیری مارکوف (MDP) گسترش داده است.در این مقاله ، ما با بررسی چگونگی شکل گیری پاداش تحت محدودیت های بودجه می توانند ابزار اصلی را بهبود بخشند.ما یک بازی دو نفره Stackelberg را مطالعه می کنیم که در آن مدیر و عامل دارای عملکردهای مختلف پاداش هستند و نماینده یک سیاست MDP را برای هر دو بازیکن انتخاب می کند.اصلی پاداش اضافی را به نماینده ارائه می دهد ، و نماینده سیاست خود را برای خودخواهانه انتخاب می کند تا پاداش خود را به حداکثر برساند ، که این مبلغ اصلی و پاداش ارائه شده است.نتایج ما سخت بودن NP را از این مسئله تعیین می کند و الگوریتم های تقریب چند جمله ای را برای دو طبقه از موارد ارائه می دهد: درختان تصادفی و فرآیندهای تصمیم گیری قطعی با افق محدود.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.