异步Q-learning命中时间界获证明

研究证明，零初始化、常数步长的标准异步 Q-learning 从单条轨迹出发，以 $\widetilde{O}(H^4/(\mu_{\min}\varepsilon^2)+\mathfrak h_\star)$ 次转移即可高概率达到 $\varepsilon$ 的 sup-norm 误差。该结果由 Yang Peng 在论文中给出，研究对象是有限马尔可夫决策过程单条轨迹上的标准异步 Q-learning 末次迭代。 此前该设定下的命中时间界尚不明确，这一结论给出了达到目标精度所需转移次数的上界。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。