Optimal Policies for Convex Symmetric Stochastic Dynamic Teams and their\n Mean-field Limit
Notice bibliographique
Résumé
This paper studies convex stochastic dynamic team problems with finite and\ninfinite time horizons under decentralized information structures. First, we\nintroduce two notions called exchangeable teams and symmetric information\nstructures. We show that in convex exchangeable team problems an optimal policy\nexhibits a symmetry structure. We give a characterization for such\nsymmetrically optimal teams for a general class of convex dynamic team problems\nunder a mild conditional independence condition. In addition, through\nconcentration of measure arguments, we establish the convergence of optimal\npolicies for teams with $N$ decision makers to the corresponding optimal\npolicies for symmetric mean-field teams with infinitely many decision makers.\nAs a by-product, we present an existence result for convex mean-field teams,\nwhere the main contribution of our paper is with respect to the information\nstructure in the system when compared with the related results in the\nliterature that have either assumed a classical information structure or a\nstatic information structure. We also apply these results to the important\nspecial case of Linear Quadratic Gaussian (LQG) team problems, where while for\npartially nested LQG team problems with finite time horizons it is known that\nthe optimal policies are linear, for infinite horizon problems the linearity of\noptimal policies has not been established in full generality. We also study\naverage cost finite and infinite horizon dynamic team problems with a symmetric\npartially nested information structure and obtain globally optimal solutions\nwhere we establish linearity of optimal policies.\n
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».