good-policy-identification

标签

#good-policy-identification

带赌博机反馈的强化学习中良好策略的纯探索

arXiv cs.LG ↗ · 2026-05-25 缓存

本文介绍了强化学习中的良好策略识别（GPI），旨在找到满足奖励阈值而非最优策略的策略，并提出了具有近乎最优样本复杂度保证的BEE-GPI算法.

0 人收藏 0 人点赞

← 返回首页

提交意见反馈