arXiv cs.LG· Huizhen Yu, Isaiah Heidt·· 6 小时前AI 评分18
面向多链 MDP 的平均奖励强化学习：一种分层分解方法
Average-Reward Reinforcement Learning for Multichain MDPs: A Hierarchical Decomposition Approach
AI 导读
研究提出一种基于异步值迭代的强化学习算法，用于求解平均奖励多链 MDP 的最优策略，除转移图外无需模型知识，并利用 Bather 分解将状态空间划分为通信子系统与瞬态状态。
来源：arXiv cs.LG · arxiv.org