概念Model-Based Risk-Sensitive Q-Value Iteration / 基于模型的风险敏感Q值迭代
MB-RS-QVI
一种基于模型的风险敏感强化学习算法，先用样本估计MDP转移模型，再在估计模型上执行风险敏感Q值迭代，属于plug-in方法，用于递归熵风险偏好下的策略学习
时间轴 (近 90 天)
10月7日
论文没有提出全新算法，而是对已有的基于模型的风险敏感Q值迭代方法MB-RS-QVI进行了更精细的理论分析
待验证50%
10月7日
MB-RS-QVI是一种plug-in方法，先用采集的样本估计出MDP转移模型，再在估计模型上做风险敏感Q值迭代
待验证50%
10月7日
新的样本复杂度界在对|β|/(1-γ)的指数依赖上匹配了已知下界
待验证50%
10月7日
新界在状态数S、动作数A、精度ε及风险参数|β|上的依赖在对数因子范围内与下界吻合
待验证50%
10月7日
本文精细化分析证明MB-RS-QVI的实际指数依赖形式为e^(O(|β|/(1-γ)))，与信息论下界匹配
待验证50%