arXiv stat.ML· Quynh Trinh, Trung Nguyen, Nam Nguyen, Tuan Dam·· 15 天前AI 评分38
超越期望值：基于分布蒙特卡洛树搜索的风险敏感规划
Beyond Expected Values: Risk-Sensitive Planning with Distributional Monte-Carlo Tree Search
AI 导读
研究者提出了 CATSO 和 PATSO 两种分布蒙特卡洛树搜索（MCTS）算法，用于解决 CVaR 等尾部风险目标规划问题。CATSO 采用分类原子和狄利克雷汤普森采样，PATSO 则使用自适应粒子，二者均在有限深度嵌套 CVaR 规划下证明了 $n$ 次 rollout 后根节点值误差具有 $O(n^{-1/2})$ 界限。
来源：arXiv stat.ML · arxiv.org