Whittle index based Q-learning for restless bandits with average reward
Whittle index based Q-learning for restless bandits with average reward
复制标题
基于 Whittle 指数的 Q 学习，用于具有平均奖励的不安强盗
DOI：
10.1016/j.automatica.2022.110186
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
V. Borkar
中科院分区：
文献类型：
--
作者：
Konstantin Avrachenkov;V. Borkar
采用q -学习和Whittle指数的方法，提出了一种针对平均奖励的多臂不宁盗匪的强化学习算法。具体来说，我们利用Whittle索引策略的结构来减少Q-learning的搜索空间，从而获得重大的计算收益。在数值实验的支持下，给出了严格的收敛分析。数值实验表明，该方法具有良好的经验性能。
A novel reinforcement learning algorithm is introduced for multiarmed restless bandits with average reward, using the paradigms of Q-learning and Whittle index. Specifically, we leverage the structure of the Whittle index policy to reduce the search space of Q-learning, resulting in major computational gains. Rigorous convergence analysis is provided, supported by numerical experiments. The numerical experiments show excellent empirical performance of the proposed scheme.
DOI：
--
发表时间：
2020-11
期刊：
ArXiv
影响因子：
--
作者：
Akshay Mete;Rahul Singh;Xi Liu;P. Kumar
通讯作者：
Akshay Mete;Rahul Singh;Xi Liu;P. Kumar
DOI：
10.1287/opre.1070.0505
发表时间：
2009-03
期刊：
Oper. Res.
影响因子：
--
作者：
T. Archibald;Dan Black;K. Glazebrook
通讯作者：
T. Archibald;Dan Black;K. Glazebrook
异类服务站的准入控制和不耐烦客户路由的索引策略
影响因子：
2.7
作者：
Glazebrook K
通讯作者：
Glazebrook K