BriefGPT - AI 论文速递 · 2023-09-10T00:00:00Z 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 凸 Q 学习 函数逼近 收敛性 计算速率 马尔可夫决策过程 阅读原文 生成长图 分享链接 已复制链接
