Apprentissage de politique par minimisation de regret
Résumé
Les processus décisionnels de Markov sont des modèles couramment utilisés pour représenter des problèmes de
décisions séquentielles dans l'incertain. Cependant, les méthodes de résolution existantes font les hypothèses de
stationnarité et de représentabilité de la fonction de transition par des probabilités. Nous proposons de retirer ces
hypothèses en utilisant l'apprentissage par minimisation de regret dans le cadre multi‐états, mono et multi‐agents.