统计学 > 机器学习
[提交于 2008年5月14日
(v1)
,最后修订 2008年7月18日 (此版本, v2)]
标题: 算法和滚动采样近似策略迭代的界限
标题: Algorithms and Bounds for Rollout Sampling Approximate Policy Iteration
摘要: 几种无需价值函数的近似策略迭代方案最近被提出,这些方案专注于使用分类器进行策略表示,并将策略学习作为监督学习问题来处理。 使用这些方法找到好的策略不仅需要适当的分类器,还需要覆盖状态空间的可靠最佳动作示例。 到目前为止,关于适当的覆盖方案以及减少此类方法样本复杂性的方法的研究很少,尤其是在连续状态空间中。 本文关注最简单的覆盖方案(状态空间上的离散化网格),并在最简单的(并且之前常用)滚动采样分配策略与一种几乎同样简单的方法之间进行样本复杂性比较。该滚动采样分配策略在每个考虑的状态下平均分配样本,而另一种方法仅在需要时分配样本,且所需的样本显著更少。
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.