Joël Charles-Rebuffé

新算法BLINQ学习马尔可夫决策过程的Whittle指数

研究人员开发了BLINQ，一种新颖的基于模型的算法，旨在学习马尔可夫决策过程（Markov Decision Processes）的Whittle指数。这种新方法构建了MDP的经验估计，然后计算指数，提供了已证实的收敛保证和学习时间的界限。数值实验表明，BLINQ在准确逼近方面比现有的Q-learning方法需要更少的样本，并且总体计算成本更低。