该文综述双时间尺度随机逼近研究：线性方法在马尔可夫与鞅噪声下收敛速率无差别，仅混合时间影响常数，并给出匹配下界；非线性及异步算法获得有限样本收敛界，应用于Q学习、GTD等，达到或优于已有速率。

具有马尔可夫噪声的双时间尺度线性随机逼近的紧限定时间界
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