基于均值嵌入的分布式 Bellman 算子
机器学习
2024-03-05 v3 机器学习
摘要
我们提出了一种新的分布式强化学习算法框架，基于学习回报分布的有限维均值嵌入。基于该框架，我们推导出几种用于动态规划和时序差分学习的新算法，提供了渐近收敛理论，并在一系列表格型任务上检验了算法的经验性能。此外，我们表明该方法可直接与深度强化学习相结合，并得到一种新的深度 RL 智能体，在 Arcade Learning Environment 上优于基线分布式方法。
关键词
引用
@article{arxiv.2312.07358,
title = {Distributional Bellman Operators over Mean Embeddings},
author = {Li Kevin Wenliang and Grégoire Delétang and Matthew Aitchison and Marcus Hutter and Anian Ruoss and Arthur Gretton and Mark Rowland},
journal= {arXiv preprint arXiv:2312.07358},
year = {2024}
}