arXiv stat.ML· Yuchen Jiao, Gen Li·· 7 天前AI 评分28
鲁棒强化学习的可证明高效 Q-learning 算法
Provably Efficient Q-learning for Robust Reinforcement Learning
AI 导读
研究人员提出了一种面向鲁棒强化学习（RMDP）的样本高效异步 Q-learning 算法，以解决单轨迹马尔可夫数据下的无模型学习难题。在基于全变差（TV）距离不确定集合的无限时域设定下，该算法实现最优 Q 函数 entrywise $\varepsilon$ 近似的样本复杂度显著优于现有边界。该界限仅多出 $\frac{1}{1-\gamma}$ 因子，达到近乎极小化极大最优。
来源：arXiv stat.ML · arxiv.org