局部线性性：无悔强化学习在连续马尔可夫决策过程中的关键
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了连续状态和动作空间环境中无悔强化学习的重大挑战，指出现有方法存在的局限性。我们提出了“局部线性化马尔可夫决策过程”这一新概念，并引入了无悔算法Cinderella，证明其在已知可学习和可行的MDP家族中具备先进的后悔界限。此工作推动了无悔强化学习在连续MDP中的可行性和学习能力。
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。介绍了两种算法：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，两者在后悔性能上达到了最佳保证。
