研究人员开发了一种新的对偶算法,该算法在具有未知转移的周期性对抗性线性CMDPs中实现了最优的 $\widetilde{\mathcal{O}}(\sqrt{K})$ 遗憾和累积约束违反。这种新算法克服了先前方法(受限于 $\widetilde{\mathcal{O}}(K^{3/4})$)的局限性。该方法结合了自适应的FTRL(Follow the Regularized Leader)、收缩值估计和指数Lyapunov函数,消除了策略混合的需要,并确保策略参数与均匀集中兼容。 AI
排序理由 该集群包含一篇研究论文,详细介绍了一种用于特定类型决策过程的新算法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- CMDPs
- DagsHub
- Follow-the-Regularized-Leader
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- Lyapunov function
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →