对抗式马尔可夫决策过程中 FPL 的精细化分析
机器学习
2020-08-24 v1 机器学习
摘要
我们考虑对抗式马尔可夫决策过程（MDP）问题，其中 MDP 的奖励可被对抗式选取，且转移函数可为已知或未知。在这两种设定下，已有文献提出了基于跟随扰动领导者（FPL）的算法。然而，已建立的基于 FPL 算法的后悔界劣于基于镜像下降的算法。我们改进了两种设定下基于 FPL 算法的分析，以更快且更简单的算法匹配当前最优后悔界。
引用
@article{arxiv.2008.09251,
title = {Refined Analysis of FPL for Adversarial Markov Decision Processes},
author = {Yuanhao Wang and Kefan Dong},
journal= {arXiv preprint arXiv:2008.09251},
year = {2020}
}
备注
11 pages