الذكاء الاصطناعي ومشكلات العالم الصعبة · علوم الحاسوب النظرية · arXiv · 2026-10-21

PhiBE-Q-Learning: جسر بين التعلم المعزز خارج السياسة والتحكم في الزمن المتصل

العنوان الأصلي: PhiBE-Q-Learning: Bridging Off-Policy Reinforcement Learning and Continuous-Time Control

تطوّر الورقة طريقة off-policy للتعلم المعزز في الزمن المستمر، حيث تتبع ديناميكيات النظام SDE مجهولة ولا تتوفر سوى بيانات مسارات في الزمن المتقطع. ولمعالجة فقدان الإشارة التابعة للفعل في دالة قيمة الحالة-الفعل الكلاسيكية للزمن المتقطع عند الحدّ المستمر زمنيًا، يقدّم المؤلفون تعريفًا جديدًا لدالة قيمة الحالة-الفعل Q(s,a)، ويشتقّون معادلتها الحاكمة، ويقترحون خوارزميات تكرارية مبنية على تقريب PhiBE في كلٍّ من الحالتين المعتمدة على النموذج والحرّة منه. وفي ظل التقريب الخطي للدوال يثبتون حدودًا للخطأ ومعدلات تقارب صريحة على المستوى التجمعي، ويقيّمون خوارزمية البيانات المحدودة تقييمًا عدديًا.

اقرأ المصدر الأصلي ↗

جميع العناصر →