研究人员开发了Quasar,一种新颖的无模型算法,它使用Q学习在没有非终端最大结束组件(MECs)的马尔可夫决策过程(MDPs)中实现可达性规范的渐近收敛。这种方法消除了对显式估计转移概率的需求,而这是先前基于模型的方法的要求。与现有的最先进的基于模型的技术相比,Quasar显著减小了内存占用,并在定量验证基准集上展示了更快的收敛速度,标志着在规范引导强化学习方面迈出了实用性的一步。 AI
影响 引入了一种更节省内存和样本的规范引导强化学习方法,可能支持更广泛的应用。
排序理由 这是一篇详细介绍马尔可夫决策过程中强化学习新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Markov decision process
- MEC-Free MDPs
- Q-learning
- Quantitative Verification Benchmark Set
- Quasar
- reinforcement learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →