Performance Bounds for Policy-Based Reinforcement Learning Methods in Zero-Sum Markov Games with Linear Function Approximation

马尔可夫决策过程 强化学习 计算机科学 数学优化 增强学习 马尔可夫链 功能(生物学) 马尔可夫过程 函数逼近 零(语言学) 算法 近似算法 路径(计算) 数学 人工智能 机器学习 人工神经网络 生物 统计 进化生物学 哲学 语言学 程序设计语言
作者
Anna Winnicki,R. Srikant
标识
DOI:10.1109/cdc49753.2023.10384061
摘要

Until recently, efficient policy iteration algorithms for zero-sum Markov games that converge were unknown. Therefore, model-based RL algorithms for such problems could not use policy iteration in the planning modules of the algorithms. In an earlier paper, we showed that a convergent policy iteration algorithm can be obtained by using a commonly used technique in RL called lookahead. However, the algorithm could be applied to the function approximation setting only in the special case of linear MDPs (Markov Decision Processes). In this paper, we obtain performance bounds for policy-based RL algorithms for general settings, including one where policy evaluation is performed using noisy samples of (state, action, reward) triplets from a single sample path of a given policy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
WXY完成签到,获得积分10
1秒前
Nick完成签到,获得积分10
2秒前
研友_8yN60L完成签到,获得积分10
4秒前
前排61完成签到 ,获得积分10
4秒前
JJJJJJ完成签到,获得积分10
5秒前
5秒前
one完成签到 ,获得积分10
5秒前
5秒前
ppppp完成签到,获得积分10
6秒前
铝合金男孩完成签到,获得积分10
7秒前
Polymer72应助自然而然采纳,获得10
7秒前
孟严青完成签到,获得积分10
7秒前
layton完成签到,获得积分10
8秒前
8秒前
cyy1226完成签到,获得积分10
9秒前
Pan完成签到,获得积分10
9秒前
sonicgoboy完成签到,获得积分10
9秒前
Alice完成签到,获得积分10
10秒前
10秒前
盐酸补钙完成签到,获得积分10
10秒前
11秒前
12秒前
郭志强完成签到,获得积分10
12秒前
lzzk完成签到,获得积分10
12秒前
crazyrock发布了新的文献求助10
12秒前
苏苏爱学习完成签到,获得积分10
13秒前
打打应助nicolaslcq采纳,获得10
14秒前
pyrene完成签到 ,获得积分10
14秒前
熊猫小宇完成签到,获得积分10
14秒前
tanghong完成签到,获得积分10
15秒前
Lucas应助开心的城采纳,获得10
15秒前
Ao完成签到,获得积分10
16秒前
yyw完成签到 ,获得积分10
16秒前
Senmin完成签到,获得积分10
16秒前
Star1983发布了新的文献求助10
17秒前
科研通AI2S应助Alice采纳,获得10
17秒前
liu发布了新的文献求助10
18秒前
yu_z完成签到 ,获得积分10
19秒前
newwkstudent应助从容的巧曼采纳,获得10
20秒前
Meredith发布了新的文献求助10
20秒前
高分求助中
BIOLOGY OF NON-CHORDATES 1000
进口的时尚——14世纪东方丝绸与意大利艺术 Imported Fashion:Oriental Silks and Italian Arts in the 14th Century 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 550
Zeitschrift für Orient-Archäologie 500
The Collected Works of Jeremy Bentham: Rights, Representation, and Reform: Nonsense upon Stilts and Other Writings on the French Revolution 320
Play from birth to twelve: Contexts, perspectives, and meanings – 3rd Edition 300
Pediatric Nurse Telephone Triage 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3350116
求助须知:如何正确求助?哪些是违规求助? 2975924
关于积分的说明 8672264
捐赠科研通 2657017
什么是DOI,文献DOI怎么找? 1454863
科研通“疑难数据库(出版商)”最低求助积分说明 673532
邀请新用户注册赠送积分活动 664017