研究：混合正则化优化Q-Learning

发生了什么

据arXiv cs.LG论文，研究提出平均奖励Q-Learning和Q-Planning中的混合正则化方法。通过向混合策略正则化，控制学习策略的收缩和探索属性。理论分析显示，强混合策略知识可改善收敛和探索，且优势随瓶颈严重程度增加。