实体
Fitted Q-evaluation
Fitted Q-evaluation
PulseAugur coverage of Fitted Q-evaluation — every cluster mentioning Fitted Q-evaluation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
离线RL框架优化仓库吞吐量控制 · 已追踪2个来源
研究人员开发了一个新的框架，使用离线强化学习（RL）来优化仓库运营的吞吐量控制。该系统通过智能管理节流来动态调整设置，以平衡最大化吞吐量与维持下游稳定性。该方法结合了历史信息的状态表示和用于延迟影响的动作空间抽象，以及一个考虑上游和下游指标的奖励函数。实证结果显示，使用CQL策略可将系统健康度提高22.97%，平均节流持续时间减少3.18%。
-
新的 FQE 和 FQI 方法绕过 Bellman 完全性以实现稳定性
研究人员开发了新的拟合 Q 评估 (FQE) 和软拟合 Q 迭代 (soft FQI) 方法，这些方法不需要 Bellman 完全性，而 Bellman 完全性在使用函数逼近时常常无法满足。所提出的技术，即静态加权 FQE 和静态重加权 soft FQI，通过重新加权回归步骤以匹配目标策略的静态分布来解决不稳定性问题。这些方法旨在提高强化学习的离策略评估的稳定性和减少值误差。