实体 Bellman-Shapley

Bellman-Shapley

PulseAugur coverage of Bellman-Shapley — every cluster mentioning Bellman-Shapley across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_332672 · Oct 31 · 04:00

新框架统一强化学习中的 bisimulation 指标

研究人员开发了一个新的框架来理解强化学习中的 bisimulation 指标，将其应用范围从有折扣的马尔可夫决策过程 (MDP) 扩展到总奖励和平均奖励设置。该方法将指标算子重新构建为零和博弈中的 Bellman-Shapley 算子，将指标定义为博弈值函数。这种博弈论基础允许动态规划理论和算法的迁移，即使在折扣因子为一时也能提供独特的定义。研究还基于 MDP 结构对指标有限性进行了表征，并引入了一个修改博弈动作空间以恢复和启发新指标…