分段奖励反馈的强化学习新算法提出

刘凤旭等作者发布论文，在线性函数逼近下研究分段奖励反馈的强化学习，为已知转移的等长分段设计出 bitssegd 与 edlinucbsegd 算法，并建立了近乎匹配的下界。 该研究针对经典强化学习要求每个状态-动作对都有奖励、而轨迹级反馈又过于稀疏的问题，提出分段奖励反馈模型作为两者的折中，以处理大状态空间。论文未说明算法在未知转移或非等长分段下是否适用。

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。