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
山是山三十三完成签到 ,获得积分10
5秒前
5秒前
颜林林发布了新的文献求助10
11秒前
bo完成签到 ,获得积分10
31秒前
46秒前
49秒前
kkk发布了新的文献求助10
50秒前
无语完成签到,获得积分10
51秒前
Seven发布了新的文献求助10
51秒前
56秒前
PU发布了新的文献求助10
1分钟前
chemistry高完成签到 ,获得积分10
1分钟前
眯眯眼的安雁完成签到 ,获得积分10
1分钟前
桐桐应助科研通管家采纳,获得10
1分钟前
铜豌豆完成签到 ,获得积分10
1分钟前
Orange应助Zhang采纳,获得30
1分钟前
激动的似狮完成签到,获得积分0
1分钟前
平常忆灵完成签到 ,获得积分10
2分钟前
2分钟前
avean发布了新的文献求助10
2分钟前
2分钟前
无花果应助我是笨蛋采纳,获得10
2分钟前
HHM完成签到,获得积分10
2分钟前
2分钟前
tonghau895完成签到 ,获得积分10
2分钟前
我是笨蛋发布了新的文献求助10
2分钟前
weihe完成签到,获得积分10
2分钟前
juliar完成签到 ,获得积分10
2分钟前
Arctic完成签到 ,获得积分10
3分钟前
yuchuncheng完成签到,获得积分10
3分钟前
xiaowanzi完成签到 ,获得积分10
3分钟前
不安的如天完成签到,获得积分10
3分钟前
lingling完成签到 ,获得积分10
3分钟前
3分钟前
今天开心吗完成签到 ,获得积分10
3分钟前
Zhang发布了新的文献求助30
4分钟前
忘忧Aquarius完成签到,获得积分0
4分钟前
金秋完成签到,获得积分0
4分钟前
FreyaDoyle完成签到,获得积分10
4分钟前
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
Developing Genetic Editing Tools for Lysobacter 2000
Adhesion Science: Principles & Practice 800
The Graphene Handbook (2019 Edition) 700
Signals, Systems, and Signal Processing 610
IEST-RP-CC018: Cleanroom Cleaning and Sanitization: Operating and Monitoring Procedures 600
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 600
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 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6529897
求助须知:如何正确求助?哪些是违规求助? 8322692
关于积分的说明 17817522
捐赠科研通 5631320
什么是DOI,文献DOI怎么找? 2931848
邀请新用户注册赠送积分活动 1908441
关于科研通互助平台的介绍 1767724