精选理由
这篇论文给了一个能应对不确定性干扰的Q-learning方法，在系统和疫情模型上都试过了，效果不错。
该论文提出一种鲁棒Q-learning算法，用于离散时间平均场控制问题，处理公共噪声规律中的Wasserstein不确定性。算法结合量化投影方案和Wasserstein对偶重构，并证明了同步和异步学习方案的收敛性及有限时间迭代界。在系统性风险和流行病模型上的数值实验比较了异步实现与理想Bellman迭代，展示了在公共噪声误指定下的鲁棒性-性能权衡。
AI 翻译 · 中文
该论文提出一种鲁棒Q-learning算法，用于离散时间平均场控制问题，处理公共噪声规律中的Wasserstein不确定性。算法结合量化投影方案和Wasserstein对偶重构，并证明了同步和异步学习方案的收敛性及有限时间迭代界。在系统性风险和流行病模型上的数值实验比较了异步实现与理想Bellman迭代，展示了在公共噪声误指定下的鲁棒性-性能权衡。
In this article, we present a robust $Q$-learning algorithm for discrete-time mean-field control problems under Wasserstein uncertainty in the common noise law. The algorithm combines a quantization-and-projection scheme…