Distributional Off-Policy Evaluation in Reinforcement Learning
Rattachement africain : us, cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
In the literature of reinforcement learning (RL), off-policy evaluation is mainly focused on estimating a value of a target policy given the pre-collected data generated by some behavior policy. Motivated by the recent success of distributional RL in many practical applications, we study the distributional off-policy evaluation problem in the batch setting when the reward is multi-variate. We propose an offline Wasserstein-based approach to simultaneously estimate the joint distribution of a multivariate discounted cumulative reward given any initial state-action pair in the setting of an infinite-horizon Markov decision process. Finite sample error bound for the proposed estimator with respect to a modified Wasserstein metric is established in terms of both the number of trajectories and the number of decision points on each trajectory in the batch data. Extensive numerical studies are conducted to demonstrate the superior performance of our proposed method.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Distributional Off-Policy Evaluation in Reinforcement Learning
- Date Crossref
- 03/07/2025
- Éditeur
- Informa UK Limited
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
George Washington University Department of Decision Sciences pays non établi dans la noticeUniversité ou école supérieure
-
Decision Sciences (United States) pays non établi dans la noticeEntreprise
-
Harbin Institute of Technology Department of Computer Science pays non établi dans la noticeUniversité ou école supérieure
-
ShangHai JiAi Genetics & IVF Institute pays non établi dans la noticeÉtablissement de santé
-
Shanghai Artificial Intelligence Laboratory pays non établi dans la noticeStructure de recherche
-
Northwestern University Departments of Industrial Engineering pays non établi dans la noticeUniversité ou école supérieure
-
University of Miami Department of Management Science pays non établi dans la noticeUniversité ou école supérieure
-
Shanghai AI Laboratory pays non établi dans la noticeStructure de recherche
Department of Decision Sciences — George Washington University, Decision Sciences (United States) et Department of Computer Science — Harbin Institute of Technology, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.