已开发出一种用于随机控制问题的新型连续策略-值迭代算法，旨在同时更新值函数并识别最优控制。该方法利用了 Langevin 型动力学，可应用于具有无限视界的熵正则化和经典控制问题。在 Hamiltonian 单调性条件下，该算法可收敛到最优控制，从而能够利用机器学习中的分布采样和非凸学习技术。 AI
影响 这项研究可能会推进适用于强化学习和其他涉及顺序决策的 AI 领域的优化技术。
排序理由 该集群包含一篇详细介绍随机控制问题新算法的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
