将反馈延迟引入非延迟对抗性 MDP：表格和线性 AMDP 中的最优 $\sqrt S$ 和 $\sqrt K$ 依赖性

原文：Introducing Feedback Delays to Non-Delayed Adversarial MDPs: Optimal $\sqrt S$ and $\sqrt K$ Dependencies in Tabular and Linear AMDPs

我们研究具有未知转换和强盗反馈的情景对抗马尔可夫决策过程（AMDP）中的遗憾最小化。在具有 $S$ 状态、$A$ 行动和地平线 $H$ 的表格 AMDP 中，最著名的 $K$ 片段遗憾是 $\tilde O(HS\sqrt{AK})$，其 $\sqrt S$ 与 $Ω(H\sqrt{SAK})$ 下限的差距长期保持开放。在具有 $d$ 维特征的线性 AMDP 中，经过五年

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。