discount factor | BriefGPT - AI 论文速递

关键词discount factor

搜索结果 - 11

截断方差减小的值迭代
我们提供了一种更快的随机算法，用于在具有有限状态动作对、有界奖励和折扣因子的折扣马尔可夫决策过程中计算 ε- 最优策略。我们通过在采样设置和离线设置中提供不同的时间算法，进一步优化了之前的最先进技术。我们的方法基于先前的随机方差减少值迭代方
PDF2 months ago
通过互动提问的逆强化学习引发风险厌恶
通过互动问答的方式，本文提出了一个新的框架来识别代理人的风险厌恶。我们在一期和无限期两种情景下进行研究。在一期情景中，我们假设代理人的风险厌恶由状态的成本函数和失真风险度量来描述。在无限期情景中，我们采用一项额外的组成部分 —— 折扣因子
PDFa year ago
通过学习外部价值函数来消除元梯度强化学习的偏见
该论文介绍了如何解决 Meta-gradient 增强学习中的偏差问题，通过使用另一个价值函数进行外部损失估计，该方法可以显著提高性能。
PDF2 years ago
Q 学习过高估计偏见的影响因素
本文研究了学习速率、折扣因子和奖励信号对 Q-Learning 算法的高估偏差的影响，并通过在时间差分目标中使用指数移动平均值，精细调整学习速率和折扣因子，证明了该算法可以学习比过去的几种流行的无模型方法更准确的价值估计。
PDF2 years ago
ICML折扣因子作为增强学习中的正则化器
本文研究了强化学习算法中的折扣因子对提高性能的影响，并通过实验证明了折扣因子可以作为正则化项，对可用数据的大小、分布和混合率等性质有明显影响。
PDF4 years ago
具有特征映射的折扣 MDP 的可证明高效强化学习
本论文介绍了一种基于特性映射的新算法，能够以线性的方式参数化转移核函数来处理强化学习中的大状态和行动空间，并且证明了该算法在一些强化学习的问题中，不需要访问生成模型就能取得多项式的最优后悔值，且总体上是近乎最优的。
PDF4 years ago
无模型强化学习：从剪切伪懊恼到样本复杂度
本文提出了一种无模型的算法来学习具有折扣因子的马尔可夫决策过程中的政策，该算法的成功概率为 (1-p)，且具有样本复杂度 O (SALn (1/p)/(ε^2 (1-γ)^3))，其中 S 是状态数，A 是行动数，γ 是折扣因子，ε 是一个
PDF4 years ago
使用对数映射在强化学习中实现较低的折扣因子
通过一系列的实验，揭示了常见的低折扣系数的表现差距不是由于过小的动作差异引起的，提出了一个新的假设，认为状态空间中动作差异的大小差异才是主要原因。然后引入了一种新的方法，通过将值估计映射到对数空间来实现更加均匀的动作差异。在标准假设下证明了
PDF5 years ago
多时间跨度的双曲折扣与学习
本文研究强化学习的折扣问题，提出一种基于双曲贴现的 RL 代理，该代理简单有效且符合实验结果；同时发现通过学习多个时间跨度的价值函数可以提高价值型 RL 代理的性能。
PDF5 years ago
NIPS如何折扣深度强化学习：走向新的动态策略
本文研究使用深度神经网络作为函数逼近器来解决逼近真实世界复杂度的强化学习问题。同时，我们探讨了折扣因子在深度 Q 网络（DQN）学习过程中所起的作用，实验结果表明在逐渐增加折扣因子值的情况下，可以显著降低 DQN 学习步骤的数量。当与变动的
PDF9 years ago
简单形法解决确定性 Markov 决策问题的强多项式时间复杂度
我们证明采用最高的增益 / 负减少成本枢轴规则的单纯形法在确定性马尔科夫决策过程 (MDPs) 中收敛于强多项式时间，无论折扣因子如何。对于具有 n 个状态和 m 个动作的确定性 MDP，我们证明如果折扣因子是均匀的，则单纯形法需要 O (
PDF12 years ago