研究人员开发了一种新的minimax最优算法,用于在椭球动作集内运行的线性随机老虎机。该算法实现的遗憾界限与理论下界相匹配,这是现有乐观或基于采样的方法以前未能实现的成就。这种新颖的方法包括对参数范数的顺序估计,然后是知情的探索与承诺策略,与之前的算法相比,具有显著的计算效率。 AI
影响 为一类强化学习问题引入了一种计算效率更高且理论上更优的算法。
排序理由 详细介绍特定机器学习问题新算法的学术论文。[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 →