鲁棒强化学习Q-learning算法实现样本高效
热点事件持续更新
鲁棒强化学习Q-learning算法实现样本高效
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Yuchen Jiao 与 Gen Li 提出一种面向鲁棒强化学习的异步 Q-learning 算法，在基于总变差（TV）距离构建不确定性集的无限时域 RMDP 上，仅用单条马尔可夫样本轨迹即可实现最优 Q-function 的逐元素 ε-近似。 作者称，该算法的样本复杂度上界接近 minimax 最优，仅多出 1/(1-γ) 因子，并显著优于现有结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
面向鲁棒强化学习的可证明高效 Q-learning 算法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI面向鲁棒强化学习的可证明高效 Q-learning 算法
研究提出一种面向鲁棒强化学习的异步 Q-learning 算法，在基于总变差（TV）距离构建不确定性集的无限时域 RMDP 上，仅用单条马尔可夫样本轨迹即可实现最优 Q-function 的逐元素 ε-近似。其样本复杂度上界接近 minimax 最优，仅多出 1/(1-γ) 因子，并显著优于现有结果。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。