高维奖励的离策略强化学习
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对传统离策略强化学习在处理标量奖励时的局限性，提出了一种分布式强化学习的新方法。通过证明Bellman算子的收缩性及高维奖励的有效近似，研究成果使得以前无法解决的问题得以通过新的算法进行处理，具有重要的理论和实践意义。
该论文研究了具有线性函数逼近的离线强化学习问题，并提出了一种计算效率高的算法。该算法在数据集的单策略覆盖条件下成功，输出的策略价值至少等于数据集覆盖良好的任何策略的价值。算法在固有贝尔曼误差为0的情况下提供了第一个保证，并且在固有贝尔曼误差为正值的情况下，算法的次最优误差与固有贝尔曼误差的平方根成比例。该算法的下界与强化学习在错误建模情况下的其他设置形成对比。
