本研究提出了一种量子自然策略梯度（QNPG）算法，旨在解决无模型量子强化学习问题。该算法通过确定性梯度估计，显著提高了样本复杂性至$ ilde{ ext{O}}(oldsymbol{ ext{ε}}^{-1.5})$，优于经典下界$ ilde{ ext{O}}(oldsymbol{ ext{ε}}^{-2})$。

该文综述量子强化学习研究：量子自然策略梯度提升收敛与稳定性；保真度概率Q学习平衡探索与利用；量子优势演员-评论家混合方案提升倒立摆任务性能；量子神经网络有效维度更高、训练更快；并探讨混合量子机器学习与量子架构搜索优化NISQ计算。