熵正则化马尔可夫决策过程与博弈中的规划
机器学习
2026-04-22 v1
摘要
我们提出了 SmoothCruiser，一种新的规划算法，用于在给定环境生成模型的情况下，估计熵正则化马尔可夫决策过程和双人博弈中的价值函数。SmoothCruiser 利用正则化所促进的 Bellman 算子的平滑性，在期望精度 epsilon 下实现了与问题无关的 O~(1/epsilon^4) 阶样本复杂度，而对于非正则化设定，目前尚无已知算法能在最坏情况下保证多项式样本复杂度。
引用
@article{arxiv.2604.19695,
title = {Planning in entropy-regularized Markov decision processes and games},
author = {Jean-Bastien Grill and Omar Darwiche Domingues and Pierre Ménard and Rémi Munos and Michal Valko},
journal= {arXiv preprint arXiv:2604.19695},
year = {2026}
}
备注
NeurIPS 2019