周亚平 殷保群 代桂平 唐波 奚宏生 唐昊

一致化 最优性方程 半Markov决策过程 平均代价准则 可数半Markov决策过程 最优平稳策略 误差界 折扣模型 α-势 紧致行动集 可数Markov控制过程 折扣Poisson方程 折扣性能准则 平均模型 策略梯度估计 连续时间部分可观Markov决策过程 性能势

中国科学技术大学自动化系 安徽合肥 合肥工业大学计算机系