巴伊拉克塔尔，埃尔罕;阿里·德夫兰·卡拉 受控扩散过程的近似Q学习及其近似最优性。 （英语） Zbl 1521.93214号 SIAM J.数学。数据科学。 5，第3号，615-638（2023）.MSC公司：第93页第35页 90立方厘米 93E20型 60J60型 PDF格式BibTeX公司 XML格式引用 \textit{E.Bayraktar}和\textit{A.D.Kara}，SIAM J.数学。数据科学。5，编号3，615--638（2023；Zbl 1521.93214） 全文： 内政部 arXiv公司
理查德·阿奇博尔德;包，冯;勇炯敏 参数化环境下强化学习的随机最大值原理方法。 （英语） Zbl 07696994号 J.计算。物理学。 488，文章ID 112238，23 p.（2023）.MSC公司：60华氏度 65立方厘米 68泰克 PDF格式BibTeX公司 XML格式引用 \textit{R.Archibald}等人，《计算杂志》。物理学。488，文章ID 112238，23 p.（2023；Zbl 07696994） 全文： 内政部 arXiv公司
恩斯特·莫里茨·哈恩;马特奥·佩雷斯;舍韦，斯文;法比奥·萨蒙齐;阿舒托什·特里维迪;多米尼克·沃伊特扎克 分枝马尔可夫决策过程的无模型强化学习。 （英语） Zbl 1493.93060号 Silva，Alexandra（编辑）等人，《计算机辅助验证》。第33届国际会议，CAV 2021，虚拟活动，2021年7月20日至23日。诉讼程序。第二部分。查姆：斯普林格。莱克特。注释计算。科学。12760, 651-673 (2021).MSC公司：第93页第35页 60J80型 90立方厘米 PDF格式BibTeX公司 XML格式引用 \textit{E.M.Hahn}等人，Lect。注释计算。科学。12760、651--673（2021年；Zbl 1493.93060） 全文： 内政部 arXiv公司
西蒙·戈茨查克;迈克尔·汉堡;马蒂亚斯·格德斯 一种用于深度强化学习的投影原-对偶梯度最优控制方法。 （英语） 兹比尔1472.49042 数学杂志。印度。 10，第9号论文，22页（2020年）.MSC公司：49公里15 90立方厘米 第93页第35页 60J20型 2006年第68季度 PDF格式BibTeX公司 XML格式引用 \textit{S.Gottschalk}等人，J.Math。Ind.10，论文编号9，22 p.（2020；Zbl 1472.49042） 全文： 内政部
伦克·库尔曼 学习掌握非线性内部点方法。 （英语） Zbl 1437.90148号 EURO J.计算。最佳方案。 7，第4号，381-419（2019）.MSC公司：90立方 68T05型 60J20型 90摄氏51度 PDF格式BibTeX公司 XML格式引用 \文本｛R.Kuhlmann｝，EURO J.Comput。最佳方案。7，第4号，381--419（2019；Zbl 1437.90148） 全文： 内政部
德文·施瓦布;索米亚·雷 使用任务层次结构进行离线强化学习。 （英语） Zbl 1455.68181号 机器。学习。 106，编号9-10，1569-1598（2017）.MSC公司：68T05型 60J20型 90立方厘米 PDF格式BibTeX公司 XML格式引用 \textit｛D.Schwab｝和\textit｛S.Ray｝，马赫。学习。106，编号9-10，1569-1598（2017；兹bl 1455.68181） 全文： 内政部
丹尼尔，克里斯蒂安;van Hoof，赫克;简·彼得斯;格哈德·诺伊曼 用于确定强化学习中选项的概率推理。 （英语） Zbl 1386.68127号 机器。学习。 104，编号2-3，337-357（2016）.MSC公司：68T05型 60 K15 68T40型 PDF格式BibTeX公司 XML格式引用 \textit{C.Daniel}等人，马赫。学习。104，编号2--3，337--357（2016；Zbl 1386.68127） 全文： 内政部
威廉·B·哈斯克尔。;拉胡尔·贾恩;迪利普·卡拉提尔 经验动态规划。 （英语） Zbl 1338.49055号 数学。操作。物件。 41，第2期，402-429（2016）.MSC公司：49升20 90立方厘米 93E20型 90立方厘米 60水25 62C12号机组 90立方厘米 65千5 47磅80 2005年3月37日 37小时99 PDF格式BibTeX公司 XML格式引用 \textit{W.B.Haskell}等人，《数学》。操作。第41号决议，第2402-429号（2016年；兹bl 1338.49055） 全文： 内政部 arXiv公司
徐欣;左、雷;黄振华 函数逼近强化学习算法：最新进展和应用。 （英语） 兹比尔1328.68176 信息科学。 261, 1-31 (2014).MSC公司：68T05型 60J20型 PDF格式BibTeX公司 XML格式引用 \textit{X.Xu}等人，《信息科学》。261、1--31（2014年；Zbl 1328.68176） 全文： 内政部
贝克，C.L。;R·斯里坎特。 恒定步长（Q\）学习的误差界。 （英语） Zbl 1255.93129号 系统。控制信函。 61，第12期，1203-1208（2012）.MSC公司：93E03型 68T05型 60J20型 PDF格式BibTeX公司 XML格式引用 \textit{C.L.Beck}和\textit{R.Srikant}，系统。控制信函。61，第12号，1203-1208（2012；Zbl 1255.93129） 全文： 内政部
安德烈亚·冈巴;泰瑟，马蒂奥 实物期权模型的结构估计。 （英语） Zbl 1170.91340号 《经济学杂志》。动态。控制 33，编号4，798-816（2009）.MSC公司：91B24型 93E10型 60J20型 PDF格式BibTeX公司 XML格式引用 \textit{A.Gamba}和\textit{M.Tesser}，J.Econ。动态。控制33，编号4，798--816（2009；Zbl 1170.91340） 全文： 内政部
安德烈·科斯塔;瓦兹奎兹·阿巴德，费利萨·J。 用于在状态切换环境中进行跟踪的自适应步长选择。 （英语） 兹比尔1128.62091 Automatica公司 43，第11期，1896-1908（2007）.MSC公司：62L20型 60F05型 PDF格式BibTeX公司 XML格式引用 \textit{A.Costa}和\textit{F.J.Vázquez-Abad}，自动化43，第11期，1896年--1908年（2007年；Zbl 1128.62091） 全文： 内政部
曹锡仁 马尔可夫系统基于事件优化的基本思想。 （英语） Zbl 1130.90054号 离散事件动态。系统。 15，第2期，169-197（2005）.MSC公司：90立方厘米 60J10型 60J20型 93元65角 PDF格式BibTeX公司 XML格式引用 \textit{X.Cao}，离散事件动态。系统。15，第2169--197号（2005年；兹bl 1130.90054） 全文： 内政部
罗纳德·莫勒。;沃伊切赫·J·科洛德齐耶（Wojciech J.Kolodziej）。 一类非线性随机系统的最优控制。 （英语） Zbl 0474.93075号 IEEE传输。自动。控制 26, 1048-1053 (1981).MSC公司：93E20型 93立方厘米 93E11号机组 49J55型 60 H10型 34F05型 PDF格式BibTeX公司 XML格式引用 \textit｛R.R.Mohler｝和\textit｛W.J.Kolodziej｝，IEEE Trans。自动。控制26，1048--1053（1981；Zbl 0474.93075） 全文： 内政部