Apr, 2017
关于广义贝尔曼方程和时间差分学习
On Generalized Bellman Equations and Temporal-Difference Learning
Huizhen Yu, A. Rupam Mahmood, Richard S. Sutton
TL;DR该论文研究了非政策时间差异学习在折扣马尔可夫决策过程中的应用,提出了一种新的基于广义 Bellman 方程设置 λ- 参数的方案来控制偏差,通过马尔科夫链理论证明了该方案的收敛性并分析了其在最小二乘实现中的收敛性。