为受限平均奖励 MDP 建立了新的界限

研究人员在生成模型下，为受限平均奖励马尔可夫决策过程（CAMDPs）建立了近最优样本复杂度界限。所提出的基于模型的算法在宽松可行性方面实现了 $\tilde{O}(\frac{S A (B+H)}{ \epsilon^2})$ 的样本复杂度，在严格可行性方面实现了 $\tilde{O}(\frac{S A (B+H)}{ \epsilon^2 \zeta^2})$ 的样本复杂度。还证明了严格可行性情况下的匹配下界 $\tilde{\Omega}(\frac{S A (B+H)}{ \epsilon^2\zeta^2})$，这是 CAMDPs 的首个 minimax 最优界限，弥合了理论上的差距。 AI

影响 为约束下的决策制定奠定了理论基础，可能影响复杂环境中的 AI 代理。

排序理由 学术论文，详细介绍了特定类型马尔可夫决策过程的理论界限。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• CatalyzeX Code Finder for Papers
• Constrained average-reward MDPs
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Markov decision processes
• ScienceCast
• Yukuan Wei

• 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 →