随机环境中的凸 Q 学习:扩展版

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

该论文提出了一种对带有函数逼近的马尔可夫决策过程进行凸 Q 学习的形式化方法,证明了算法的收敛性,并介绍了计算速率。该方法可以推广到多种性能指标,并通过经典库存控制问题进行了实证验证。

🏷️

标签

➡️

继续阅读