Jia and Zhou

新的强化学习算法解决了连续时间跳跃马尔可夫决策过程问题

研究人员开发了一种新的强化学习（RL）算法，该算法专门用于连续时间跳跃马尔可夫决策过程（CTJMDPs）。这种新颖的方法将RL能力扩展到具有通用离散状态空间和连续或离散动作空间的领域，这些领域在运筹学中很常见，例如动态定价。该算法为CTJMDPs中的q学习奠定了理论基础，并在网络动态定价场景中的成功应用证明了其在经验上优于传统的时域离散化方法。