fitted q-iteration | BriefGPT

关键词fitted q-iteration

搜索结果 - 6

切换损失减少批处理强化学习成本
我们提出使用对数损失函数训练拟合 Q - 迭代（FQI-LOG）进行批量强化学习。我们证明了使用 FQI-LOG 学习接近最优策略所需要的样本数量与最优策略的累积成本成比例，而在问题中，如果行为最优则可以达到目标且不会产生成本，所以最优策略
PDF4 months ago
关于使用双层神经网络参数化的 Fitted Q-Iteration 的全球收敛性
本文研究了一种采用双层 ReLU 神经网络参数化的 Fitted Q-Iteration 算法，通过估计 Q-function 的凸优化问题来实现每次迭代的 Q-function，证明了该方法在具有计数状态空间的情况下可以实现采样复杂度为
PDF2 years ago
通过可微函数逼近离线强化学习的有效性能得到保证
使用不同 iable 函数类逼近的离线强化学习方法在实践中得到了广泛应用，它结合了各种具有非线性和非凸结构的模型，能够显著提高算法性能；本文分析了一种最悲观的算法，并证明这种方法的有效性，为探究强化学习与不同 iable 函数逼近方法提供了
PDF2 years ago
离线强化学习遗憾的快速速率
本文研究了从固定行为策略生成的线下数据中学习无限时间折扣马尔可夫决策过程中的后悔问题，分析了 $Q$-iteration（FQI）等常见方法的后悔收敛速度，并提供了较快的收敛率。其中，一种可行的方法是根据最优质量函数的任何估计，定义的策略的
PDF3 years ago
批量强化学习中的 Q * 逼近算法：一个理论比较
本文涵盖了两种用于近似 Q 星算法在批量强化学习中表现的性能保证，并与传统的迭代方法进行了比较，证明了这些方法可以通过估计贝尔曼误差，仅依靠批数据和输出静态策略的算法，享受与任务无关的线性迭代时间性质。其中一种算法使用了新颖而明确的重要性
PDF4 years ago
关于价值函数和智能体 - 环境边界
本文针对强化学习中函数逼近问题的不同解决方式所带来的代理 - 环境边界界定问题，通过对 Fitted Q-Iteration 算法进行一个简单且新颖的边界不变量分析，解决了价值函数的定义不唯一的问题，并讨论了相关问题，如状态重置和蒙特卡罗树
PDF5 years ago