研究者提出反射随机系统连续时间策略梯度框架

研究者 Lijun Bo、Yijie Huang 和 Chenhao Lu 提出一个连续时间确定性策略梯度框架，用于状态受超立方体上受控反射随机微分方程支配的强化学习。该框架建立了值函数与 Neumann Bellman 方程之间的联系，并推导出确定性策略梯度公式。 该工作以预印本形式发布在 arXiv cs.LG，尚未见同行评审或实验验证结果的报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。