Yukuan Wei

为受限平均奖励 MDP 建立了新的界限

研究人员在生成模型下，为受限平均奖励马尔可夫决策过程（CAMDPs）建立了近最优样本复杂度界限。所提出的基于模型的算法在宽松可行性方面实现了 $\tilde{O}(\frac{S A (B+H)}{ \epsilon^2})$ 的样本复杂度，在严格可行性方面实现了 $\tilde{O}(\frac{S A (B+H)}{ \epsilon^2 \zeta^2})$ 的样本复杂度。还证明了严格可行性情况下的匹配下界 $\tilde{\O…