研究探讨折现马尔可夫决策过程中的转移核的可识别性

本文研究了仅凭最优动作即可识别马尔可夫决策过程（MDP）的哪些方面，而不是直接观察转移概率或Q值。该研究侧重于折现MDP下转移核的可识别性，探讨了不同形式的奖励（状态-动作、仅状态或状态-动作-下一状态）如何影响对底层动力学的学习。研究结果表明，知道所有状态-动作奖励的最优动作不足以唯一确定转移概率，揭示了一个产生相同最优动作的n(n-1)维核族。 AI

影响 这项研究有助于加深对强化学习动力学的理论理解，可能为未来的算法开发提供信息。

排序理由 关于强化学习理论方面的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Deterministic policy gradient algorithms for semi‐Markov decision processes
• Letcher et al.
• Markov decision process
• Next-state functions for finite-state vector quantization
• policy
• Q-values
• Rewards and Fairies
• state-action rewards
• STATE REWARDS FOR MEDICAL DISCOVERIES

• 论文
• 其他

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