揭秘线性MDP和新颖的动态聚合框架

BriefGPT - AI 论文速递 · 2024-10-31T00:00:00Z

本文提出了一种新的$u-$平滑性假设，以解决强化学习中的无后悔保证问题。提出了两种算法：Legendre-Eleanor和Legendre-LSVI，前者在弱假设下实现无后悔但效率较低，后者适用于小规模问题且运行时间为多项式级别。分析表明，这些算法在后悔性能上达到了最佳保证。