计算机科学 > 机器学习
[提交于 2025年7月16日
]
标题: 使用局部近似提高强化学习的样本效率
标题: Improving Reinforcement Learning Sample-Efficiency using Local Approximation
摘要: 在本研究中,我们推导了在无限时域马尔可夫决策过程(MDP)设置下,强化学习(RL)的渐近样本复杂度的可能近似正确(PAC)界限,这些界限比现有文献中的更紧。 本研究的前提有两个方面:首先,从转换的角度来看,两个状态越远,当学习第二个状态的$\epsilon$最优值时,第一个状态的价值就越不相关;其次,从样本复杂度的角度来看,学习一个状态的$\epsilon$最优值所耗费的“努力”与学习另一个状态的$\epsilon$最优值所需的样本数量无关,只要该状态与第一个状态之间有足够多的转换。 相反,彼此邻近的状态的价值是相互依赖的,并且需要相似数量的样本来学习。 通过使用原始状态空间的子集构造较小的MDP来近似原始MDP,我们能够将样本复杂度降低一个对数因子,达到$O(SA \log A)$时间步,其中$S$和$A$分别是状态空间和动作空间的大小。 通过构建具有上述样本复杂度的PAC-MDP算法,我们能够将这些结果扩展到无限时域、无模型的设置中。 最后,我们通过在实验环境中将我们的算法与之前的工作进行比较,展示了改进的重要性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.