研究人员开发了一种名为MFRLC的新型无模型算法,用于学习低秩约束马尔可夫决策过程(CMDPs)中的表示。该算法旨在在遵守累积效用约束的同时最大化预期的累积奖励。MFRLC独特地结合了最小二乘值迭代与置信上限(LSVI-UCB)和原对偶技术,并实现了与状态空间大小无关的亚线性遗憾和违反保证。 AI
影响 这项研究为CMDPs中的表示学习引入了一种新颖的算法,有可能改善复杂、受约束环境中的决策制定。
排序理由 该集群包含一篇详细介绍特定机器学习问题领域新算法的研究论文。[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 →