LEARNING
有限时域MDP树搜索中Q函数估计量的一致方差估计
Zhenyu Yue, Jie Xu, Chun-Hung Chen, Hadi El-Amine, Michael C. Fu
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文研究了有限时域马尔可夫决策过程树搜索中Q函数估计量的方差分解，发现基于独立同分布路径的样本方差估计量存在偏差且不随样本量增加而消失。作者提出了一种递归方差估计量，该估计量一致且可通过节点局部统计高效计算，在库存控制和肾脏配对捐赠匹配的数值实验中提升了蒙特卡洛树搜索算法的性能。
关键词
variance estimationQ-functionMonte Carlo Tree Searchfinite-horizon MDP
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018