本文分析了强化学习中的在线策略梯度方法,重点关注分布失配的影响。研究在有偏更新下,为表格型直接和softmax参数化方法的目标值建立了全局收敛性。对于表格型softmax策略,推导出了渐近目标误差的精确系数,提供了一个评估分布失配是加速还是减缓收敛的标准。该分析扩展到更一般的策略参数化,推导出了状态分布失配和诱导的归一化策略梯度失配的界限,这些界限随着贴现因子接近一而减小。 AI
影响 为策略梯度方法的鲁棒性提供了理论见解,可能为未来的算法设计提供信息。
排序理由 该集群包含一篇详细阐述强化学习方法理论分析的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →