提出V-SHARE算法提供收敛保证

发生了什么

据arXiv cs.LG论文，研究者提出V-SHARE算法，结合跨动作价值共享与重要性加权Bellman残差校正。这是首个针对基于优势的强化学习算法的完整理论表征，包含渐近收敛和非渐近有限样本保证。研究识别出V-SHARE缓解异步Q-learning罕见动作瓶颈的机制，并开发了两时间尺度分析以去除单时间尺度残差权重阈值。实验在离散马尔可夫决策过程和深度强化学习基准上验证了结果。