会员服务
最优策略亦称“平衡策略”、“稳定策略”。在对策中，能够形成平衡局势的局中人的策略。最优策略构成对策的解。它根据局中人选取策略的形式是有目的地选取，还是根据一定的概率值随机地选取，分成最优纯策略和最优混合策略两类。在有鞍点的矩阵对策中，参与对策的局中人根据鞍点选取并构成平衡局势的策略为最优纯策略。在没有鞍点的矩阵决策中，参与对策的局中人的最优策略为最优混合决策。
Poisson-MNL Bandit: Nearly Optimal Dynamic Joint Assortment and Pricing with Decision-Dependent Customer Arrivals
Arxiv
0+阅读 · 2月18日
Improved Bounds for Reward-Agnostic and Reward-Free Exploration
Arxiv
0+阅读 · 2月18日
Information-theoretic analysis of world models in optimal reward maximizers
Arxiv
0+阅读 · 2月13日
The Computational Intractability of Not Worst Responding
Arxiv
0+阅读 · 2月11日
InSPO: Unlocking Intrinsic Self-Reflection for LLM Preference Optimization
Arxiv
0+阅读 · 2月9日
Transmit or Idle: Efficient AoI Optimal Transmission Policy for Gossiping Receivers
Arxiv
0+阅读 · 2月12日
ReFORM: Reflected Flows for On-support Offline RL via Noise Manipulation
Arxiv
0+阅读 · 2月4日
Q-Regularized Generative Auto-Bidding: From Suboptimal Trajectories to Optimal Policies
Arxiv
0+阅读 · 2月3日
Mean field optimal Core Allocation across Malleable jobs
Arxiv
0+阅读 · 2月1日
Optimal Sample Splitting for Observational Studies
Arxiv
0+阅读 · 1月30日
Zero-Shot Off-Policy Learning
Arxiv
0+阅读 · 2月2日
VC Theory for Inventory Policies
Arxiv
0+阅读 · 2月1日
Reinforcement Learning with Exogenous States and Rewards
Arxiv
0+阅读 · 1月14日
Case-Guided Sequential Assay Planning in Drug Discovery
Arxiv
0+阅读 · 1月21日
Reinforcement Learning with Multi-Step Lookahead Information Via Adaptive Batching
Arxiv
0+阅读 · 1月15日
参考链接
微信扫码咨询专知VIP会员
Top