标签
本文介绍了用于鲁棒平均奖励Markov决策过程的向量Bellman理论，通过有限模型可解性和近似移位的Halpern规划算法，实现了在转移不确定性下的最优性能。
本文为平均奖励强化学习遗憾界引入了一种常数感知的比较协议，为通信MDP导出了显式的有限下界证书，并改进了已发表的系数。
本文研究了鲁棒平均奖励马尔可夫决策过程的样本复杂度，在总变差不确定集下通过插入式归约导出了极小极大最优学习率。