多步凸凹强化学习方法

Deshmukh、Chittepu、Gupta、Thomas与Niekum提出多步凸凹强化学习（CCRL），将逐轮策略学习表示为带凸约束的差凸规划，并用序贯凸规划求解。在对数密度比坐标下，每轮目标可通过逐决策重要性采样（PDIS）计算。 论文给出了在温和条件下的收敛保证，连接了差凸优化与强化学习；现有证据为arXiv论文中的方法和理论结果，未说明实验验证或具体任务表现。

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。