PulseAugur
中
实时 10:05:57
实体 Howard's policy iteration

Howard's policy iteration

PulseAugur coverage of Howard's policy iteration — every cluster mentioning Howard's policy iteration across labs, papers, and developer communities, ranked by signal.

Show in brief
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
  1. TOOL · CL_275328 ·

    新研究表明Howard的策略迭代对于MDP并非强多项式

    一篇新发表在arXiv上的论文表明，即使在动作数量有限的情况下，Howard的策略迭代算法对于确定性马尔可夫决策过程也可能表现出指数级的迭代下界。这一发现确立了当折扣因子是输入的一部分时，该算法并非强多项式。该研究突显了去中心化的、自私的改进与协调的动作选择之间存在的显著差距，阐释了算法无政府状态的“代价”。