Mar, 2014
分解马尔可夫决策过程中近最优强化学习
Near-optimal Regret Bounds for Reinforcement Learning in Factored MDPs
TL;DR通过采用 posterior sampling reinforcement learning (PSRL) 算法和 upper confidence bound algorithm (UCRL-Factored) 算法,在已知为 factored MDP 系统中,可将 regret 值多项式缩小到编码所需的 factored MDP 参数数量级别,从而大大减少了学习时间。