本研究证明了Thompson采样在强化学习中的贝叶斯后悔限与性能上界，并对时间不均匀强化学习问题中的上界进行了分析。研究结果对环境空间的Kolmogorov l1维度提出了具体限制。

最小化 Thompson 采样后悔率对标准差比率 (TS-RSR)：一种可证明高效的批量贝叶斯优化算法
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