MDP

深度分析

以佔用度多面體與法向扇幾何重構動態遺憾：面跨越價格與貝爾曼優勢

在變動決策問題中，傳統動態遺憾僅衡量損失變化幅度，忽視策略影響。本文以佔用度多面體的法向扇幾何，將非平穩獎勵視為穿越法向錐的路徑，定義面跨越價格，將遺憾分解為跨面成本與面內選擇誤差，僅需一次價值備份即可計算，顯示大幅損失變動未必產生成本，為未來強化學習演算法設計提供新指引。