通过将随机性注入 Bellman 进行快速强化学习-研究论文

特此发布 Courchevel 环境以简化流式机器学习算法的开发。 在首先解决这个问题时，发明了一种快速强化学习算法。 贝尔曼方程是 AI 的主要Struts，特别是用于解决马尔可夫决策问题的简单变换。 通过为 Bellman 添加随机性，对于奖励函数在结构上预期为多模式的环境，一个数量级的持续奖励每集收益得到验证。 高雪维尔作为一个决策问题、第一个解决方案和有偏差的贝尔曼创新被揭示 - 以及随附的数据。 为便于讨论，高雪维尔的动态用军事术语来描述。