A polynomial time bound for Howard's policy improvement algorithm

Summary

We consider a discounted Markovian Decision Process (MDP) with finite state and action space. For a fixed discount factor we derive a bound for the number of steps, taken by Howard's policy improvement algorithm (PIA) to determine an optimal policy for the MDP, that is essentially polynomial in the number of states and actions of the MDP. The main tools are the contraction properties of the PIA and a lower bound for the difference of the value functions of a MDP with rational data.

Zusammenfassung

Wir betrachten einen Markoffschen Entscheidungsprozeß mit endlichem Zustands- und Aktionenraum. Bei festgehaltenem Diskontierungsfaktor bestimmen wir eine Grenze für die Anzahl der Schritte in Howards Politikverbesserungsverfahren, die im wesentlichen polynomial in der Anzahl der Zustände und Aktionen ist. Die Haupthilfsmittel sind dabei die Kontraktionseigenschaft des Algorithmus und eine untere