Jan, 2022

均场极限下带有熵正则化的MDPs策略梯度与神经网络逼近的收敛性

TL;DR本文研究了策略梯度在无限时间,连续状态和动作空间,及熵正则化的马尔可夫决策过程中的全局收敛性,并证明了在符合足够正则化的情况下,梯度流指数级收敛到唯一的稳态解。