van Erven et al.

新算法解决了具有改进遗憾界限的对抗性线性MDP和老虎机问题 · 跟踪2个来源

arXiv上发表的两篇新研究论文介绍了用于对抗性线性马尔可夫决策过程（MDP）和广义线性老虎机的 novel 算法。第一篇论文提出了一种计算高效的算法，该算法实现了具有老虎机反馈的对抗性线性MDP的 $\sqrt{K}$ 遗憾界限，优于现有方法中效率低下或遗憾次优的方法。第二篇论文介绍了 HCW-GLB-OMD，这是一种用于具有对抗性腐败的异方差广义线性老虎机的算法，该算法实现了近乎最优的遗憾界限，并且需要最少的存储和计算。