Reinforcement Learning of Risk-Averse Policies in Markov Decision Processes – Bc. Jiří Vahala
Bc. Jiří Vahala
Master's thesis
Reinforcement Learning of Risk-Averse Policies in Markov Decision Processes
Reinforcement Learning of Risk-Averse Policies in Markov Decision Processes
Abstract:
Optimalizace průměrné kumulované odměny za nejistoty výsledku je stěžejní problém v mnoha aplikacích. Typické metody posilovaného učení se soustředí pouze na maximalizaci průmřené kumulované odměny bez jakéhokoli přihlížení k risku. Tato práce shrnuje již existujicí metody zaobírající se maximalizací nejistého výsledku a navrhuje nový algoritmus posilovaného učení Ralf0, který optimalizuje strategie …moreAbstract:
Optimizing the expected cumulative reward under uncertainty is a crucial problem in many applications. A typical reinforcement learning approach is to maximize the expected cumulative reward without any sense of risk. In this thesis, we summarize already existing risk-averse learning techniques and introduce a new reinforcement learning algorithm Ralf0, which optimizes risk-averse policies without …more
Language used: English
Date on which the thesis was submitted / produced: 20. 5. 2019
Identifier:
https://is.muni.cz/th/gv8zz/
Thesis defence
- Date of defence: 18. 6. 2019
- Supervisor: doc. RNDr. Tomáš Brázdil, Ph.D.
- Reader: Mgr. Branislav Bošanský, Ph.D.
Citation record
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Masarykova univerzita, Fakulta informatikyMasaryk University
Faculty of InformaticsMaster programme / field:
Informatics / Artificial Intelligence and Natural Language Processing
Theses on a related topic
-
Experimental Evaluation of Risk-Averse Planners
Martin Bendel -
Sampling Methods for Risk-Averse MDP Solvers
Václav Nevyhoštěný -
Extending the Synthesis Algorithm for Consumption MDPs with LTL Objectives
Dávid Meluš -
Sampling Methods for Risk-Averse MDP Solvers
Václav Nevyhoštěný -
Vacant taxi routing in Markov Decision Process (MDP)
Nurbulat Shektbayev