強化学習/リスク回避強化学習 のバックアップ(No.1)

• バックアップ一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 強化学習/リスク回避強化学習 へ行く。
  • 1 (2010-07-10 (土) 18:56:59)
  • 2 (2012-09-26 (水) 13:37:47)

---

概要 †

（割引）収益だけでなく，リスクも考慮する強化学習．

リスクの定義は研究によって異なる．

厳密に言うと，リスクの最小化だけを考慮するのが本当のリスク回避（risk-averse）． リスクを大きくすること，つまりrisk neutralやrisk-seekingにもできるのがrisk-sensitive．

risk-sensitiveの訳はリスク回避，リスク鋭感的，リスク考慮とかいろいろあるが，ここではリスク回避とした．

手法 †

Q^-Learning †

最悪な行動を選択した場合の収益を考慮する．

\[Q(s,a) \leftarrow \max(Q(s,a), r + \gamma \min Q(s',a'))\]

• Consideration of risk in reinforcement learning
  M. Heger
  ICML 1994, pp. 105-111 (1994)

Expected Value minus Variance criterion †

収益の分散をリスクとする． 平均報酬強化学習において，価値関数の定義を収益の期待値から収益の分散に係数を掛けたものを引いたもの
\[\mathrm{E}[R] - k \mathrm{V}[R]\]
と定義．

• Average-Reward Reinforcement Learning for Variance Penalized Markov Decision Problems
  Makoto Sato and Shigenobu Kobayashi
  ICML 2001, pp. 473-480 (2001)
• Consideration of risk in reinforcement learning
  M. Heger
  ICML 1994, pp. 105-111 (1994)

Risk-Sensitive RL (Neuneier) †

モデル・フリーな手法． リスク選考パラメーター[math]\kappa[/math] ([math]-1 \le \kappa \le 1[/math])を用いて，更新量を[math](1-\kappa)[/math]倍（更新量が正のとき）または[math](1+\kappa)[/math]倍（更新量が負のとき）する．

• Risk-Sensitive Reinforcement Learning
  Oliver Mihatsch and Ralph Neuneier
  Mach Learn, Vol. 49, No. 2-3, pp. 267-290 (2002)
• Risk sensitive reinforcement learning
  Ralph Neuneier and Oliver Mihatsch
  NIPS 1999, pp. 1031-1037 (2000)

Risk-Sensitive Control †

コスト関数 [math]c[/math] を導入し，
\[V(s) = \frac{1}{\lambda} \sum \Pr(s'|s) e^{c(s,s')} V(s')\]
とする．

• A Learning Algorithm for Risk-Sensitive Cost
  Arnab Basu, Tirthankar Bhattacharyya, Vivek S. Borkar
  MATHEMATICS OF OPERATIONS RESEARCH, Vol. 33, No. 4, pp. 880-898 (2008)
• Risk-Sensitive Optimal Control for Markov Decision Processes with Monotone Cost
  V. S. Borkar, S. P. Meyn
  MATHEMATICS OF OPERATIONS RESEARCH, Vol. 27, No. 1, pp. 192-209 (2002)
• Q-Learning for Risk-Sensitive Control
  V. S. Borkar
  MATHEMATICS OF OPERATIONS RESEARCH, Vol. 27, No. 2, pp. 294-311 (2002)

Rsik-Sensitive RL (Geibel) †

望ましくない（終端）状態を設定し，リスクを望ましくない状態に到達する確率と定義する．

• Risk-Sensitive Reinforcement Learning Applied to Control under Constraints
  P. Geibel and F. Wysotzki
  JAIR, Vol. 24, pp. 81-108 (2005)