一种针对无限时域平均奖励线性马尔可夫决策过程的计算高效算法

💡 原文中文,约600字,阅读约需2分钟。
📝

内容提要

本研究提出了一种新的价值迭代算法,旨在提高线性马尔可夫决策过程的计算效率。该算法通过计算访问过的状态集的价值函数最小值,显著提升了效率,并保持了遗憾界限。这一方法有助于在广泛状态空间中有效应用强化学习。

🏷️

标签

➡️

继续阅读