线性可解的 MDP 与线性二次调节器的 Tsallis 熵正则化
原文中文,约300字,阅读约需1分钟。发表于: 。对线性可解的 MDP 和线性二次调节器采用 Tsallis 熵来实现正则化,从而在探索和控制规律的稀疏性之间取得平衡。
本文介绍了一种新的Q-learning类型算法,通过使用经过熵正则化的软策略来减少学习零和随机博弈的计算成本,并验证了该算法收敛于纳什平衡并具有更快的加速效果。
对线性可解的 MDP 和线性二次调节器采用 Tsallis 熵来实现正则化,从而在探索和控制规律的稀疏性之间取得平衡。
本文介绍了一种新的Q-learning类型算法,通过使用经过熵正则化的软策略来减少学习零和随机博弈的计算成本,并验证了该算法收敛于纳什平衡并具有更快的加速效果。