arXiv · ML· Aarush Kulkarni, Khang Nguyen, William Chang, Yan Dai·· 7 天前AI 评分23
引入反馈延迟的非延迟对抗 MDP:表型与线性 AMDP 中 $\sqrt{S}$ 和 $\sqrt{K}$ 依赖的最优性
Introducing Feedback Delays to Non-Delayed Adversarial MDPs: Optimal $\sqrt S$ and $\sqrt K$ Dependencies in Tabular and Linear AMDPs
AI 导读
该研究提出引入反馈延迟的技术,在表型 AMDP 中实现了 $\tilde{O}(\text{poly}(H)\sqrt{SAK})$ 遗憾,解决了长期未决问题。 在线性 AMDP 中,首次获得关于 $K$ 最优的 $\tilde{O}(\text{poly}(d,H)\sqrt{K})$ 遗憾,并扩展至延迟 AMDP 设定。
来源:arXiv · ML · arxiv.org