KL正则化强化学习样本复杂度获精确上下界

Andrew Liu 提交的论文给出 KL 正则化强化学习的样本复杂度上下界：对含 K 个状态-动作对的折扣 MDP，plug-in 估计器以 Õ(KH³/(ε·max{ε,β}) + KH) 个样本，从每个初始状态找到 ε-最优策略。 论文同时给出匹配下界：当 ε ≲ min{H, H²/β} 时，任何算法——即使能自适应选择采样位置——都无法用更少样本达到同一目标。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。