★ 2
MDP稀疏策略部署的贝尔曼认证舍入
论文研究在有限MDP中，当部署只允许少量完整状态级改动时，将连续行混合舍入为稀疏二值策略能保留多少折扣回报。方法从2d+2次贝尔曼求解推导可复用包络，支持舍入前的统一与候选特定保证。实验将认证覆盖率从48.2%提升至74.1%，并将中位界损比从402.3降至2.08。
arXiv cs.LG31 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究在有限MDP中，当部署只允许少量完整状态级改动时，将连续行混合舍入为稀疏二值策略能保留多少折扣回报。方法从2d+2次贝尔曼求解推导可复用包络，支持舍入前的统一与候选特定保证。实验将认证覆盖率从48.2%提升至74.1%，并将中位界损比从402.3降至2.08。