BriefGPT - AI 论文速递
·
具有全局收敛保证的内点约束强化学习
📝
内容提要
在无限时间、约束的马尔科夫决策过程中，通过零阶内点方法实现约束满足，以最大化预期累积奖励，确保策略在学习过程中的可行性，并具有样本复杂度 O (ε^(-6))
🏷️
标签
➡️
