计算机科学 > 机器学习
[提交于 2025年2月16日
(v1)
,最后修订 2025年7月6日 (此版本, v3)]
标题: 策略镜像下降在兼容函数逼近之外的收敛性
标题: Convergence of Policy Mirror Descent Beyond Compatible Function Approximation
摘要: 现代策略优化方法大致遵循策略镜像下降(PMD)算法模板,目前已有很多理论收敛结果。然而,大多数方法要么针对表格型环境,要么只有在所优化的策略类满足强闭包条件时才能有效应用,而这种情况在大规模环境中通常不成立。在本工作中,我们为一般的策略类开发了一个理论框架,其中我们将闭包条件替换为一个严格较弱的变分梯度支配假设,并得到了收敛到最优策略的速率上界。我们的主要结果利用了一个关于由当前策略的占用测度诱导的局部范数的平滑性新概念,并将PMD视为非欧几里得空间中平滑非凸优化的一个特例。
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.