研究人员提出FB-MOAC强化学习算法

1. 13:00
   arXiv 机器学习

   FB-MOAC：面向前向-后向马尔可夫决策过程的强化学习算法

   研究者提出了面向多目标问题的前向-后向马尔可夫决策过程（FB-MDPs），并推出强化学习算法 FB-MOAC。该算法具备收敛性保证与通用逐步优化模板，旨在解决随机控制及网络系统等兼具前向与后向动态的决策场景。在数理金融与移动资源管理等场景测试中，FB-MOAC 在多项指标上均超越了现有 SOTA 方法。

Current heat 6·Comparable peak 9（Nov 3 17:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.