English(EN) $O(1/n)$ Convergence Rate for RVI $Q$-Learning

新研究详细介绍了 RVI Q-学习的 $O(1/n)$ 收敛率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-06 05:00

研究人员在有限弱通信马尔可夫决策过程 (MDP) 中为同步相对价值迭代 (RVI) Q-学习建立了有限时间收敛保证。该研究详细介绍了在特定噪声条件下随机迭代的收敛率，为 RVI Q-学习迭代的均方 Bellman 跨度残差提供了 $O(n^{-1})$ 界限。这项工作表明，在期望中，$O(\epsilon^{-1})$ 次同步迭代足以获得 $\epsilon$-最优策略，并具有依赖于实例的常数。 AI

影响为强化学习算法提供了理论基础，有可能提高决策系统的效率。

排序理由学术论文，详细介绍了特定机器学习算法的理论收敛保证。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了特定机器学习算法的理论收敛保证。 [lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Avik Kar, Siddharth Chandak, Rahul Singh, Shalabh Bhatnagar · 2026-11-06 05:00

RVI $Q$-Learning 的 $O(1/n)$ 收敛率

arXiv:2611.07676v1 Announce Type: new Abstract: We establish finite-time convergence guarantee for synchronous relative value iteration (RVI) $Q$-learning for finite weakly communicating Markov decision processes (MDPs). For stochastic Krasnosel'ski\u{\i}--Mann iterations driven …

本文如何被排名

报道来源 [1]

RVI $Q$-Learning 的 $O(1/n)$ 收敛率

相关实体

相关话题