arXiv · cs.LG 机器学习· Zhaoyu Zhu, Rui Gao, Shuang Li·· 5 小时前AI 评分58
Wasserstein 策略梯度的全局收敛性：熵正则强化学习的理论分析
Global Convergence of Wasserstein Policy Gradient for Entropy-Regularized Reinforcement Learning
AI 导读
作者为熵正则强化学习中的 Wasserstein 策略梯度（WPG）建立统一全局收敛理论，覆盖一般状态空间与连续动作空间的无限时域折扣 MDP。核心是借助 Bellman 结构与 log-Sobolev 不等式得到沿轨迹一致成立的逐状态梯度占优不等式，把 Wasserstein 策略梯度平方范数与 sup 范数下的价值差距联系起来。
来源：arXiv · cs.LG 机器学习 · arxiv.org