May, 2023

具低秩结构的离线强化学习矩阵估计

TL;DR本文提出了一种离线策略评估算法,该算法利用了隐含的低秩结构来估计未被覆盖的状态-动作对的值,同时提供了一个离线策略优化算法,且具有非渐近性能保证。