本研究提出了一种基于随机最小二乘法值迭代的并行学习框架，旨在高效探索强化学习中的复杂环境。该框架在有限和无限视野环境中展现出多项式最坏情况遗憾界限，突显了并行学习的优势，显著提升了空间复杂性，可能推动多代理学习系统的发展。