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

تدرّج السياسة في الزمن المستمر من بيانات متقطعة: تحليل التقارب والخوارزميات الخالية من النموذج

العنوان الأصلي: Continuous-Time Policy Gradient from Discrete Data: Convergence Analysis and Model-Free Algorithms

يسعى التعلم المعزز في الزمن المستمر إلى إيجاد سياسة مثلى في ظل ديناميكيات مجهولة تخضع لمعادلات تفاضلية عشوائية، باستخدام مشاهدات مُجمَعة في أزمنة متقطعة. ويطوّر المؤلفون إطارًا لتدرّج السياسة مع تحليل تقارب صارم، يغطي تمهيدية فرق الأداء وصيغ تدرّج السياسة للسياسات العشوائية والمُعامَلة وسيطيًا، والتقارب الأسي لتدفق السياسة المُنتظَم بالإنتروبيا، وحدًّا للتحديث المتقطع يفصل صراحةً بين خطأ الناقد (critic) وخطأ انحدار السياسة وحجم خطوة التعلم. ويسفر دمج هذا الإطار مع PhiBE، التي تبني مولّدًا بديلًا في الزمن المستمر من بيانات انتقال متقطعة، عن خوارزميات فاعل-ناقد خالية من النموذج تعمل على السياسة وخارجها، ويُستعرض أداؤها واستقرارها على منظّم خطي تربيعي مُنتظَم بالإنتروبيا وروبوت غير خطي بعجلات.

اقرأ المصدر الأصلي ↗

جميع العناصر →