Constraint Reinforcement Learning

Oprócz tego, że tak jak w zwykłym Reinforcement Learning szukamy takiej polityki $\pi$ aby maksymalizować sumę reward, to ta polityka musi spełniać pewne dodatkowe warunki.

Metody radzenia sobie z tym:

• Constrained Policy Optimization

Źródło: Adapting Constrained Markov Decision Process for OCPC Bidding with Delayed Conversions