清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Square-Root Regret Bounds for Continuous-Time Episodic Markov Decision Processes

数学 平方根 后悔 马尔可夫决策过程 词根(语言学) 马尔可夫链 数学优化 平方(代数) 马尔可夫过程 数理经济学 应用数学 统计 几何学 语言学 哲学
作者
Xuefeng Gao,Xunyu Zhou
出处
期刊:Mathematics of Operations Research [Institute for Operations Research and the Management Sciences]
标识
DOI:10.1287/moor.2022.0283
摘要

We study reinforcement learning for continuous-time Markov decision processes (MDPs) in the finite-horizon episodic setting. In contrast to discrete-time MDPs, the intertransition times of a continuous-time MDP are exponentially distributed with rate parameters depending on the state–action pair at each transition. We present a learning algorithm based on the methods of value iteration and upper confidence bound. We derive an upper bound on the worst case expected regret for the proposed algorithm and establish a worst case lower bound with both bounds of the order of square root on the number of episodes. Finally, we conduct simulation experiments to illustrate the performance of our algorithm. Funding: X. Gao is supported by the Hong Kong Research Grant Council [Grants 14201421, 14212522, 14200123]. X. Zhou gratefully acknowledges financial support through the Nie Center for Intelligent Asset Management at Columbia.
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
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
研友_LmgyQZ发布了新的文献求助10
14秒前
小鱼僧发布了新的文献求助10
15秒前
蛋卷完成签到 ,获得积分10
19秒前
26秒前
小鱼僧完成签到 ,获得积分10
42秒前
like完成签到 ,获得积分10
44秒前
1分钟前
arniu2008应助科研通管家采纳,获得20
1分钟前
害羞的墨镜完成签到,获得积分10
1分钟前
阿明完成签到 ,获得积分10
1分钟前
Sendoh发布了新的文献求助10
1分钟前
1分钟前
白华苍松发布了新的文献求助10
1分钟前
洁净的代容完成签到,获得积分10
1分钟前
2分钟前
南风完成签到 ,获得积分10
2分钟前
Tong完成签到,获得积分0
2分钟前
白华苍松发布了新的文献求助10
2分钟前
快乐随心完成签到 ,获得积分10
2分钟前
2分钟前
XYZ发布了新的文献求助10
2分钟前
水东流完成签到 ,获得积分10
2分钟前
qvb完成签到 ,获得积分10
3分钟前
arniu2008应助科研通管家采纳,获得60
3分钟前
WSYang完成签到,获得积分0
3分钟前
3分钟前
杨科完成签到,获得积分10
3分钟前
3分钟前
yx完成签到 ,获得积分10
3分钟前
沙莎完成签到 ,获得积分10
3分钟前
shining完成签到,获得积分10
3分钟前
3分钟前
3分钟前
Jasper应助XYZ采纳,获得10
3分钟前
颖zi发布了新的文献求助30
3分钟前
3分钟前
3分钟前
研友_LmgyQZ完成签到,获得积分10
3分钟前
白华苍松发布了新的文献求助10
3分钟前
XYZ发布了新的文献求助10
4分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Cronologia da história de Macau 5000
Petrology and Plate Tectonics 800
Electrode Potentials 550
Association of Reentry Well-Being with Psychological Distress, Employment, and Housing Instability 15-Months After Incarceration 500
Trees of tropical Asia : an illustrated guide to diversity 500
Matrix Methods in Data Mining and Pattern Recognition 410
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7022901
求助须知:如何正确求助?哪些是违规求助? 8694421
关于积分的说明 18424293
捐赠科研通 6518213
什么是DOI,文献DOI怎么找? 3109694
关于科研通互助平台的介绍 2184357
邀请新用户注册赠送积分活动 2085391