机构名称：
¥ 2.0
提高增强学习的样本效率一直是一个长期的研究问题。在这项工作中，我们旨在降低现有策略梯度方法的样本复杂性。我们提出了一个称为srvr-pg的新型策略梯度算法，它仅需要o（1 / ϵ3 / 2）1个情节才能发现非循环性能函数的近似固定点j（θ）（即，即θ，θ，θ，以便∥∇j（θ）∥∇j（θ）∥22 fule untoct此样本复杂性改善了现有的结果O（1 / ϵ5 / 3）对于随机方差，策略梯度算法降低了O（1 / ϵ1 / 6）。此外，我们还提出了一个带有参数探索的SRVR-PG的变体，该变体从先前的概率分布中探索了初始策略参数。我们就加强学习的经典控制问题进行数值实验，以验证我们提出的算法的性能。
样本有效的策略梯度方法
主要关键词
相关文件推荐
