arXiv 机器学习· Enes Arda, Atilla Eryilmaz·2026-10-06 12:00· 7 小时前AI 评分31

平均奖励 MDP 下策略镜像下降算法的精确收敛性与样本复杂度分析

Sharp Convergence and Sample Complexity of Policy Mirror Descent for Average-Reward MDPs

AI 导读

针对遍历平均奖励马尔可夫决策过程（MDPs），该研究给出了策略镜像下降（PMD）算法在无需外部正则化下的有限时间与有限样本分析。在精确、非精确表格及线性函数近似（LFA）设置下，PMD 均实现了线性收敛速率。

来源：arXiv 机器学习 · arxiv.org