PulseAugur
中
实时 10:30:39
English(EN) Adaptive Partitioning and Learning for Stochastic Control of Diffusion Processes

新算法解决扩散过程的强化学习问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种用于受控扩散过程的强化学习的新型基于模型算法。该算法通过自适应地划分状态-动作空间来应对连续和高维域中的挑战。它在每个分区内维护漂移、波动率和奖励的估计器，并优化离散化以平衡探索和近似。理论分析提供了适用于无界域的遗憾界限，扩展了有界情况下的现有结果，并通过数值实验（包括多资产投资组合选择）验证了该方法。 AI

影响 引入了一种用于复杂连续域强化学习的新方法，可能对金融建模和运筹学产生影响。

排序理由 该集群包含一篇详细介绍特定类型机器学习问题新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新算法解决扩散过程的强化学习问题

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Hanqing Jin, Renyuan Xu, Yanzhao Yang ·

    Adaptive Partitioning and Learning for Stochastic Control of Diffusion Processes

    arXiv:2512.14991v2 Announce Type: replace Abstract: We study reinforcement learning for controlled diffusion processes with unbounded continuous state spaces, bounded continuous actions, and polynomially growing rewards: settings that arise naturally in finance, economics, and op…

相关话题