#双模拟度量

研究用博弈论为无折扣双模拟度量建立统一基础

论文将双模拟度量重新解释为零和轮次博弈的 Bellman-Shapley 算子，从而在总奖励与平均奖励等无折扣 MDP 中给出唯一度量定义，并迁移动态规划理论与算法。作者还刻画了度量有限性与 MDP 结构的关系，并证明其可界定总奖励与最优相对价值差。