arXiv cs.LG· Shripad V. Deshmukh, Yaswanth Chittepu, Dhawal Gupta, Philip Thomas, Scott Niekum·· 26 天前AI 评分43
凸凹强化学习（CCRL）
Convex-Concave Reinforcement Learning
AI 导读
研究提出凸凹强化学习（CCRL），证明策略优化在对数密度比坐标下可精确转化为受凸差约束的凸差规划。该方法使用顺序凸规划（SCP）求解并提供收敛保证，将 CPI、NPG、TRPO 和 AWR 作为特例统一。在医疗模拟任务中，CCRL 比调优后的 PPO 收敛显著更快，训练曲线下面积提升 11.3%。
来源：arXiv cs.LG · arxiv.org