arXiv 机器学习· Chenhao Zhou, Chao Zhang, Wensong Bai, Hanbin Zhao, Hui Qian·· 7 小时前AI 评分32
低秩约束马尔可夫决策过程的原对偶表征学习
Primal-Dual Representation Learning for Low-Rank Constrained MDPs
AI 导读
研究者针对连续状态空间的低秩约束马尔可夫决策过程（CMDPs），提出了具备理论保障的原对偶表征学习方法 REP-PD-TEG 与 REP-PD-H-TEG。在软累积违规设定下，REP-PD-TEG 实现了最优的 $\widetilde O(\sqrt K)$ 返回策略界，在计入探索动作时整体样本界为 $\widetilde O(K^{3/4})$。
来源：arXiv 机器学习 · arxiv.org