#Q-Learning

异步Q-Learning的命中时间界：样本复杂度新进展

一篇强化学习理论新研究为异步Q-Learning给出命中时间样本复杂度界：统计项保留H^4有效视界依赖，初始化成本以可加形式出现，并提出无需先验知识的步长选择规则，上下界匹配至对数因子。