arXiv cs.LG· Junyi Liao, Hangqi Ren, Zhuoran Yang·· 4 天前AI 评分34
存在未测量混杂时的可迁移离线强化学习
Transportable Offline Reinforcement Learning in Presence of Unmeasured Confounding
AI 导读
新研究提出一种因果校正可迁移性框架，结合工具变量与代理变量等方法，解决存在领域差异与未测量混杂时的离线强化学习难题。针对混杂情境老虎机与混杂马尔可夫决策过程，该研究分别构建了 CAT-CCB 和 CAT-CMDP 算法，在有界有限维线性类下取得 $\widetilde{\mathcal O}(N^{-1/2})$ 次优界保证。数值实验证明了该框架从多源异质混杂数据中学习目标域策略的有效性。
来源：arXiv cs.LG · arxiv.org