加速自然策略梯度算法（ANPG）用于解决无限时间折扣奖励马尔可夫决策过程问题。ANPG在一般参数化情况下具有较低的样本复杂度和迭代复杂度，通过改进样本复杂度提高了效率。

自然策略梯度法结合基于 Hessian 辅助的动量方差减小的全局收敛性
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证