由IEEE计算机学会数学基础计算机基础委员会赞助的第66届计算机科学基础研讨会（2025年）将于12月14日至17日在澳大利亚悉尼举行。介绍了有关计算理论的新的和原始研究的论文。典型但不是独家感兴趣的主题包括：算法编码理论，代数计算，算法图理论，算法游戏理论，算法和数据结构，布尔函数的分析，近似算法，平均库复杂性，逻辑，计算，计算，计算，计算，计算，计算，计算，计算，计算复杂性，沟通复杂性，电路复杂性，组合优化，计算游戏理论，计算几何学，计算学习理论，连续优化，加密，机器学习的基础，在线算法，优化，并行和分布式算法，参数化算法，随机算法，随机算法，Sublinear Algorithm，Sub
Reinforcement Learning, Part 8: Feature State Construction
通过将状态特征巧妙地纳入学习目标来增强线性方法强化学习是机器学习的一个领域，它引入了代理在复杂环境中学习最佳策略的概念。代理根据环境状态从其行为中学习，从而获得奖励。强化学习是一个具有挑战性的话题，与机器学习的其他领域有很大不同。强化学习的显著之处在于，可以使用相同的算法使代理适应完全不同、未知和复杂的条件。关于本文在第 7 部分中，我们介绍了可扩展标准表格方法的值函数近似算法。除此之外，我们特别关注了一个非常重要的情况，即近似值函数是线性的。我们发现，线性保证了收敛到全局最优值或 TD 不动点（在半梯度方法中）。问题是，有时我们可能希望使用更复杂的近似值函数，而不仅仅是简单的标量积，而不离开
2023 年计划委员会主席的客座帖子：Nicole Megow（APPROX）和 Adam Smith（RANDOM）第 27 届国际随机化和计算研讨会 (RANDOM 2023) 和第 26 届组合优化问题近似算法国际研讨会 (APPROX 2023) 将于 2023 年 9 月 11 日至 13 日在美国佐治亚州亚特兰大亲自举行。RANDOM 2023 专注于随机性在计算和组合问题中的应用，而 APPROX 2023 则专注于与开发计算难题的有效近似解有关的算法和复杂性理论问题。重要日期：提交：2023 年 5 月 4 日，18:00 EDT（UTC-4）通知：2023 年 6 月 26
