鲁棒强化学习异步Q-learning获样本复杂度保证
热点事件持续更新
鲁棒强化学习异步Q-learning获样本复杂度保证
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Yuchen Jiao 和 Gen Li 提出用于分布鲁棒强化学习的样本高效异步 Q-learning 算法，并给出其逼近最优 Q 函数的样本复杂度上界；该上界近乎 minimax 最优，仅多一个 1/(1−γ) 因子（忽略对数项）。 保证适用于总变差距离定义不确定集的折扣无限期模型：算法从行为策略与名义转移核产生的单条 Markovian 轨迹中学习，目标是逐项逼近最优 Q 函数至 ε 精度。上界取决于 μ_min、ε、γ、不确定度 σ 和混合时间 t_mix。
AI 根据报道生成 · 46 分钟前更新
最新进展10月28日 12:00
鲁棒强化学习中可证明高效的 Q-learning报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning鲁棒强化学习中可证明高效的 Q-learning
研究提出面向鲁棒强化学习的样本高效异步 Q-learning 算法，针对 Markovian 数据下缺少高效无模型方法的问题给出理论保证。在单条轨迹和总变差距离不确定集下，该算法逐项逼近最优 Q 函数的样本复杂度上界取决于 μ_min、ε、γ、σ 与 t_mix（忽略对数因子），且近乎 minimax 最优，仅多一个 1/(1−γ) 因子。
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。