Bellman-Certified Rounding for Sparse Policy Deployment in MDPs

论文研究有限 MDP 中连续策略混合舍入为稀疏二进制策略时如何保留折扣回报，通过 2d+2 次 Bellman 求解得到可复用包络，在舍入前提供均匀与候选特定保证。候选特定界将结构化测试集上的认证覆盖率从 48.2% 提升至 74.1%，在 γ=0.95 时局部积分把中位界损失比从 402.3 降至 2.08。论文证明当预算线性增长时线性维度依赖不可避免，且精确全局曲率阈值判定是 NP 难问题。