Изучение последовательности решений из многочисленных источников в рамках процессов принятия решений с участием групп " Роуст Марков >
arXiv:2602.0.1825v2 Вид уведомления: заменить резюме: для изучения общей политики из среды различных источников требуется учет разнородности между источниками, а офлайновая установка создает дополнительную проблему в связи с ограниченным охватом данных. Мы формулируем эту проблему как распределенно надежный процесс принятия решения Марковым в рамках общего линейного представительства MDP с компонентами перехода и вознаграждения по конкретным источникам. Набор неопределенности построен на основе смесей этих компонентов, имеющих характерную черту и обеспечивающих годичную структуру в долларовом выражении, которая позволяет зафиксировать разнородность перекрестных источников и допускает надежное рекурсивное действие Bellman. Опираясь на эту формулировку, мы разрабатываем " Group-Robust Pessimistic Quality Iteration &qt; (GR-PEVI) - офлайновый алгоритм обучения по вопросам политики, сочетающий в себе наиболее неблагоприятное сложение данных и пессимистическое наказание. В условиях жесткого частичного охвата мы устанавливаем гарантии неполной оптимальности выборки для GR-PEVI и распространяем анализ на кластерные источники,