#强化学习理论

对抗性MDP策略优化：正则化Q函数消除Horizon差距

对抗性MDP下策略优化长期存在Horizon差距。该研究通过正则化Q函数联合控制状态-动作对稳定性，将遗憾界改进一个H因子，未知转移下匹配最优界，并扩展至线性混合MDP。