待验证50% 置信观点精确时间
对于实际算法设计，当维度d较大且切换次数k不可忽略时，接受Õ(dk)级别的遗憾或寻求额外结构假设，可能是比依赖离散化或精确优化更务实的方向。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/15
首次发现
有效期至：2027/1/13
来源
涉及实体
相关事实
待验证许多渐近意义上更优的算法因隐藏常数因子较大或实现复杂，在真实数据规模下反而不如高度优化的Dijkstra或A*75% 相似待验证基于占用度量的算法将策略优化问题重写为在占用度量多面体上的凸优化，从而全局控制所有状态-动作对上的误差累积，这是其遗憾界少一个H因子的根本原因。75% 相似待验证对无限维泛函梯度做朴素的近似会导致算法收敛到错误的位置，引入系统性偏差74% 相似待验证在连续凸集行动空间中，通过离散化行动空间并套用离散算法可以得到Õ(md+k)的遗憾，但所需网格点数量随维度d指数增长，导致算法在多项式时间内不可行。74% 相似待验证算法选型必须匹配问题性质：梯度下降适合平滑可导连续优化，无梯度方法适合离散、阶梯状或噪声严重的目标函数74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1032910API
curl https://kongchang.com/api/v1/knowledge/claims/1032910MCP
get_claim(id=1032910)