连续时间跳跃马尔可夫决策过程的强化学习及其在网络动态定价中的应用

英文标题：Reinforcement Learning for Continuous-Time Jump Markov Decision Processes with Applications to Network Dynamic Pricing

该论文研究连续时间跳跃马尔可夫决策过程（CTJMDP）中的强化学习方法。研究对象涵盖一般离散状态空间，这类状态空间不要求具备向量空间结构，同时支持连续或离散动作空间。论文指出，该建模框架可覆盖网络动态定价等应用场景，为在连续时间、离散状态动态系统中开发强化学习算法提供了理论与应用基础。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB