Ananyabrata Barua

Actor-Critic强化学习算法实现MDP的最优样本复杂度

两篇新的arXiv论文探讨了Actor-Critic强化学习算法的进展。第一篇论文（后被撤回）提出，通过使用样本缓冲区和动量，单时间尺度Actor-Critic方法可以实现O(ε−2)的最优样本复杂度。第二篇论文为低秩MDP引入了一种新颖的乐观Actor-Critic算法，该算法仅依赖于策略评估，在无需计算成本高昂的预言机的情况下实现了改进的样本复杂度。