Using Randomization to Break the Curse of Dimensionality
利用随机化突破维度灾难AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论马尔可夫决策问题的通用计算算法，未提供归入所列计量细分方向的充分依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用随机化突破维度灾难
- 研究问题
- 在有限期与无限期的马尔可夫决策问题中，如何用可计算的近似算法求解，并在特定离散决策过程子类中突破维度灾难？
- 方法与思路
- 作者提出逐次逼近与多重网格算法的随机化版本，用于计算一类马尔可夫决策问题的近似解，覆盖有限期和无限期情形。
- 材料陈述的贡献
- 摘要称，作者证明这些随机算法能够在离散决策过程这一子类中突破维度灾难，所述结论的适用范围限定于该子类。
- 阅读关注点
- 重点核对离散决策过程的定义、算法的随机化步骤、误差与计算成本如何衡量，以及突破维度灾难结论所依赖的条件。
- 阅读边界
- 摘要未说明复杂度界、误差保证或具体模型限制；突破维度灾难的结论需结合全文中的问题类别和证明条件理解。
原文摘要
This paper introduces random versions of successive approximations and multigrid algorithms for computing approximate solutions to a class of finite and infinite horizon Markovian decision problems. The author proves that these algorithms succeed in breaking the 'curse of dimensionality' for a subclass of Markovian decision problems known as discrete decision processes.