Адаптивная многоцелевая разведка

arXiv: 211.1.2045v2 Аннонс Тип: перекрестное резюме: Мы введем общую стратегию для достоверных и эффективных многоцелевых исследований. Она опирается на AdaGoal, новую схему выбора целей, которая позволяет добиться определенной степени неопределенности в достижении государств адаптативно целевых целей, которые не являются ни слишком сложными, ни слишком простыми. Мы показываем, как Адаголь может быть использован для достижения цели изучения оптимальной политики с учетом целевого показателя в размере $epsilon$ для (первоначально неизвестной) набора целей, которые могут достигаться в пределах шагов в долларовом выражении в ожидании от исходного штата $_0 долл. в процессе принятия решения без вознаграждения Маркова. В табличном случае со штатами и действиями в долларах США наш алгоритм требует $\tilde {O}(L__3 S A_epsilon {-2}) шагов по разведке, что является почти минимаксимальным. Мы также легко подключаем Адаголь к линейной смеси процессов принятия решения Марковым, обеспечивая первую ориентированную на цели гарантию ПАК с линейными функциями. Помимо ее надежных теоретических гарантий, мы прикрепляем Адаголь к цели