新论文提出线性规划归一化最小化Bellman误差方法

2026年10月5日，Haining Yu在arXiv的cs.LG分类发表论文，提出一种结合深度神经网络与线性规划逼近算法的函数逼近方法，用于降低高维动态规划与强化学习问题中的Bellman误差。 该研究以收益管理中的网络容量控制这一经典动态规划问题为动机示例。仿真结果显示，所提逼近算法与基准相比具有竞争力。

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。