BriefGPT.xyz
Ask
alpha
关键词
primal-dual reinforcement learning
搜索结果 - 1
一种具有均匀 PAC 保证的限制 MDP 的策略梯度原始对偶算法
我们介绍了一种具有均匀概率近似正确性保证的新型策略梯度原始 - 对偶算法,同时保证了收敛至最优策略、次线性遗憾和多项式样本复杂度的理论保证,并在一个简单的 CMDP 示例中进行实证展示,证明了算法收敛至最优策略,而现有算法则表现出振荡性能和
→
PDF
5 months ago
Prev
Next