20260617:目前有914 页

concepts/state-dependent-feasible-action-sets.md

@@ -0,0 +1,45 @@
+---
+title: "状态依赖可行动作集 (State-Dependent Feasible Action Sets)"
+created: 2026-06-17
+updated: 2026-06-17
+type: concept
+tags: [mdp, operations-research, constraints]
+sources: [raw/papers/chen-bellman-taylor-score-2026.md]
+confidence: high
+---
+
+# 状态依赖可行动作集
+
+这是运筹学 MDP 与标准 DRL 接口之间的**核心不兼容点**——可行动作不是固定的有限目录或简单的欧氏空间，而是由约束隐式定义并且依赖于当前状态。
+
+## 形式化
+
+```
+A(s) = {a ∈ Ā : g_i(s,a) ≤ 0, h_j(s,a) = 0}
+```
+
+其中 `Ā` 是混合整数动作域，约束函数编码容量限制、平衡关系和兼容性条件。
+
+## 为什么标准 DRL 不适用
+
+| DRL 类别 | 假设 | 不匹配的原因 |
+|---------|------|------------|
+| Value-based (DQN) | 固定有限动作目录 | 无法枚举，A(s) 随 s 变化 |
+| Policy-based (PPO) | 固定欧氏空间 | A(s) 是隐含约束的非凸集 |
+| Action masking | 有限超集可枚举 | 超集增长过快，枚举不可行 |
+
+## 典型场景
+
+- **排队网络**：服务分配受服务器可用性和队列长度约束
+- **库存管理**：补货决策受容量和预算约束
+- **资源分配**：离散资源在多需求间的耦合分配
+
+## 解决思路
+
+[[bellman-taylor-score-decoding|BTSD]] 的解法不是修改 DRL 来适应 A(s)，而是**将学习接口标准化**：策略学习得分向量 z ∈ R^d，[[action-decoder|解码器]] 在 A(s) 上求解优化问题找到最优可行动作。
+
+## 参考
+
+- [[bellman-taylor-score-decoding|BTSD]]
+- [[action-decoder|动作解码器]]
+- [[latent-score-mdp|潜在得分 MDP]]