文档摘要

6.7 安全强化学习：约束与风险规避 本节摘要：把"别撞人、别爆仓、别过热"写进强化学习，标准的期望回报最大化不够用——它允许"平均赚钱但偶尔爆仓"。安全强化学习（Safe RL）给出三种形式化：约束马尔可夫过程（硬约束期望代价）、风险敏感目标（管尾部不管均值）、安全层兜底（运行时过滤危险动作）。本节讲清三者的数学形态、适用边界，以及"探索本身就是风险"这个无模型方法特有的安全难题。 会员。《6.7 安全强化学习：约束与风险规避》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流