★ 2
平均奖励MDP中策略镜像下降的收敛与样本复杂度
该论文针对遍历性平均奖励马尔可夫决策过程（MDP），给出了策略镜像下降（PMD）的有限时间、有限样本分析。作者构建了一个统一的递推框架，适用于任意评论家（critic），无需外部正则化，并推导出精确、非精确表格及线性函数逼近（LFA）下的线性收敛速率。其LFA样本复杂度将此前最优的混合时间依赖从 …
arXiv cs.LG27 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文针对遍历性平均奖励马尔可夫决策过程（MDP），给出了策略镜像下降（PMD）的有限时间、有限样本分析。作者构建了一个统一的递推框架，适用于任意评论家（critic），无需外部正则化，并推导出精确、非精确表格及线性函数逼近（LFA）下的线性收敛速率。其LFA样本复杂度将此前最优的混合时间依赖从 …