BriefGPT.xyz
Ask
alpha
关键词
infinite horizon discounted cost setting
搜索结果 - 1
有限时间分析下的平均奖励 MDP 函数逼近中的 Critic-Actor
我们提出了一种具有函数逼近和长期平均回报设置的第一个评判者 - 演员算法,并对此方案进行了非渐进(有限时间)分析。我们获得了最佳学习速率,并证明了我们的算法实现了关于演员 - 评判者算法类似设置下,评判者均方误差的样本复杂度能够由一个上界为
→
PDF
5 months ago
Prev
Next