Sur l'utilisation de politiques non-stationnaires pour les processus de décision Markoviens à horizon infini
Abstract
Nous considérons les processus de décision Markoviens stationnaires et à horizon infini, pour lesquels on sait qu'il existe une politique optimale qui est stationnaire. En utilisant les algorithmes \emph{itérations sur les valeurs} et \emph{itérations sur les politiques} avec une erreur $\epsilon$ à chaque itération, il est connu que l'on peut calculer une politique stationnaire qui est $\frac{2\gamma}{(1-\gamma)^2}\epsilon$-optimale. Après avoir montré que cette garantie est fine, nous développons des variations d'\emph{itérations sur les valeurs} et \emph{itérations sur les politiques} qui calculent des politiques non-stationnaires qui peuvent être $\frac{2\gamma}{1-\gamma}\epsilon$-optimales, ce qui représente une amélioration significative dans la situation usuelle où $\gamma$ est proche de $1$. De manière surprenante, nous montrons ainsi que le problème de ''calculer une politique non-stationnaire approximativement optimale'' est beaucoup plus simple que celui de ''calculer une politique stationnaire approximativement optimale''.