• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • A
  • A
  • A
  • A
  • A
Обычная версия сайта
  • RU
  • EN
  • Национальный исследовательский университет «Высшая школа экономики»
  • Публикации ВШЭ
  • Статьи
  • Optimal Approximation of Average Reward Markov Decision Processes
  • RU
  • EN
Расширенный поиск
Высшая школа экономики
Национальный исследовательский университет
Приоритетные направления
  • бизнес-информатика
  • государственное и муниципальное управление
  • гуманитарные науки
  • инженерные науки
  • компьютерно-математическое
  • математика
  • менеджмент
  • право
  • социология
  • экономика
по году
  • 2027
  • 2026
  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • 2017
  • 2016
  • 2015
  • 2014
  • 2013
  • 2012
  • 2011
  • 2010
  • 2009
  • 2008
  • 2007
  • 2006
  • 2005
  • 2004
  • 2003
  • 2002
  • 2001
  • 2000
  • 1999
  • 1998
  • 1997
  • 1996
  • 1995
  • 1994
  • 1993
  • 1992
  • 1991
  • 1990
  • 1989
  • 1988
  • 1987
  • 1986
  • 1985
  • 1984
  • 1983
  • 1982
  • 1981
  • 1980
  • 1979
  • 1978
  • 1977
  • 1976
  • 1975
  • 1974
  • 1973
  • 1972
  • 1971
  • 1970
  • 1969
  • 1968
  • 1967
  • 1966
  • 1965
  • 1964
  • 1963
  • 1958
  • еще
Тематика
Новости
6 ноября 2026 г.
Ученые НИУ ВШЭ - Санкт-Петербург разработали новый инструмент для речевой терапии после инсульта
Ученые НИУ ВШЭ — Санкт-Петербург совместно с коллегами из отделения нейрореабилитации Федерального Сибирского научно-клинического центра ФМБА в Красноярске разработали корпус упрощенных текстов для пациентов с афазией разной степени тяжести. Клинические исследования показали, что материалы по актуальным тематикам мотивируют активнее заниматься восстановлением речи после инсульта. Исследование опубликовано в журнале Aphasiology.
3 ноября 2026 г.
Физики научили ИИ настраивать пучок частиц в ускорителе
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Института ядерной физики СО РАН разработали RLABC — программу, которая помогает подбирать оптимальные настройки ускорителя частиц с помощью обучения с подкреплением. В компьютерном эксперименте программа настроила модель так, что до конца ускорителя доходило около 70% частиц. Исследование опубликовано в журнале Computer Physics Communications.
3 ноября 2026 г.
«Органы на чипе позволяют проверять лекарства без экспериментов на животных»
Лаборатория молекулярной физиологии факультета биологии и биотехнологии НИУ ВШЭ изучает, как молекулярные регуляторы (микроРНК) управляют работой генов и влияют на развитие болезней — онкологических, вирусных и воспалительных, а также осложнений беременности. В Вышке выращивают модели органов человека на чипе: крошечные устройства с живыми клетками, воспроизводящие работу, например, плаценты или кишечника. Модели помогают понять, как возникают болезни и как на них действуют лекарства. «Вышка.Главное» побеседовала с заведующим лабораторией Евгением Князевым.

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!

Публикации
  • Книги
  • Статьи
  • Главы в книгах
  • Препринты
  • Верификация публикаций
  • Расширенный поиск
  • Правила использования материалов
  • Наука в ВШЭ

?

Optimal Approximation of Average Reward Markov Decision Processes

Computational Mathematics and Mathematical Physics. 2025. Vol. 65. No. 3. P. 567–581.
Сапронов Ю. Ф., Юдин Н. Е.

We continue to develop the concept of studying the ε-optimal policy for Average Reward Markov Decision Processes (AMDP) by reducing it to Discounted Markov Decision Processes (DMDP). Existing research often stipulates that the discount factor must not fall below a certain threshold. Typically, this threshold is close to one, and as is well-known, iterative methods used to find the optimal policy for DMDP become less effective as the discount factor approaches this value.

Our work distinguishes itself from existing studies by allowing for inaccuracies in solving the empirical Bellman equation. Despite this, we have managed to maintain the sample complexity that aligns with the latest results. We have succeeded in separating the contributions from the inaccuracy of approximating the transition matrix and the residuals in solving the Bellman equation in the upper estimate so that our findings enable us to determine the total complexity of the epsilon-optimal policy analysis for DMDP across any method with a theoretical foundation in iterative complexity.

Научное направление: Математика Компьютерные науки
Язык: английский
DOI
Текст на другом сайте
Ключевые слова: Markov Decision Processesвычислительная сложностьобучение с подкреплениемадгритмы и алгоритмическая сложностьразмер выборкиsample complexityreinforcement learning (RL)iteration complexityмарковские процессы принятия решений
Похожие публикации
PrimeKV: Preserving critical KV cache without attention scores for long-context inference
Чжан Ч., Ильвовский Д. А., Neurocomputing 2027 Vol. 710
Добавлено: 5 ноября 2026 г.
Обобщение матричной теоремы о деревьях для пар деревьев
Ретинский В. И., Функциональный анализ и его приложения 2026 Т. 60 № 4 С. 83–100
Приведено обобщение матричной теоремы о деревьях на случай перечисления пар остовных деревьев. Это обобщение включает в качестве частных случаев и унифицирует сразу несколько известных ранее результатов, в частности классическую теорему Кирхгофа, теорему Масбаума–Вайнтроба о перечислении 3-деревьев, а также аналог матричной теоремы о деревьях для перечисления 4-элементов Кирхгофа. ...
Добавлено: 5 ноября 2026 г.
Спаривания на алгебре рядов Лорана над кольцом
Левашев В. А., Математические заметки 2026 Т. 120 № 5 С. 843–846
Пусть 𝐴 – коммутативное ассоциативное кольцо с единицей и 𝐴((𝑡)) = 𝐴[[𝑡]][𝑡−1] – кольцо рядов Лорана над 𝐴. Алгебра 𝐴((𝑡)) имеет естественную топологию, где 𝐴 – подмодули вида 𝑡𝑚𝐴[[𝑡]] образуют базу окрестностей нуля. Пусть также Ω1𝐴((𝑡))/𝐴 – модуль кэлеровых 1-дифференциалов 𝐴((𝑡)) над 𝐴. ...
Добавлено: 5 ноября 2026 г.
Spectral structure of the mixed Hessian of the dispersionless Toda τ-function
Алексеев О. В., Letters in Mathematical Physics 2026 Vol. 116 No. 5 Article 132
Добавлено: 5 ноября 2026 г.
A Multimodal Framework for Aphasia Severity Classification in Russian
Колмогорова А. В., Ekaterina Yavshitz, Margolina A. и др., Association for Computational Linguistics, 2026.
Добавлено: 4 ноября 2026 г.
Modular Arrangements
Левин А. М., Сахарова Н. Е., / Series arXiv "math". 2024. No. 2412.17795.
Добавлено: 4 ноября 2026 г.
On chaotic axiom A diffeomorphisms with codimension one saddles and basic sets
Жужома Е. В., Медведев В. С., Regular and Chaotic Dynamics 2026 Vol. 31 No. 5 P. 732–742
Добавлено: 3 ноября 2026 г.
Nonsingular structurally stable chaotic 3-flows of attractor-repeller type
Жужома Е. В., Медведев В. С., Yu B. и др., Chaos 2026 Vol. 36 No. 6 P. 063111–063118
Добавлено: 3 ноября 2026 г.
Classification of surface A-diffeomorphisms with no zero-dimensional basic sets
Жужома Е. В., Zhirov A. Y., Russian Journal of Nonlinear Dynamics 2026 Vol. 22 No. 2 P. 403–414
Добавлено: 3 ноября 2026 г.
Modelling optimal implementation of an arbitrary N-qubit quantum gate within the generalized Bloch vectors formalism
Elena R. Loubenets, Sergey Kuznetsov, Quantum Information Processing 2026 Vol. 25 Article 358
Добавлено: 3 ноября 2026 г.
On nonsingular structural stable chaotic 3-flows of attractor-repeller type
Жужома Е. В., Medvedev V. S., Yu B., Mathematical notes 2025 Vol. 118 No. 2 P. 421–423
Добавлено: 3 ноября 2026 г.
Findings of the Association for Computational Linguistics: EMNLP 2026
Association for Computational Linguistics, 2026.
Добавлено: 3 ноября 2026 г.
PULSE: Psychological Characteristics Unified Learning via Speech-based Estimation
Абдулкадиров Т. Н., Рюмина Е. В., Рюмин Д. А. и др., Expert Systems with Applications 2026 Vol. 334 P. 1–29
Добавлено: 3 ноября 2026 г.
Smale–Williams attractors at dissipative perturbations of an integrable Hamiltonian system
Казаков А. О., Kulagin N., Lerman L. и др., Chaos 2026 Vol. 36 No. 11 P. 1–24
Добавлено: 2 ноября 2026 г.
Interpretable GNN with Stable Concepts as Neurons
Кузнецов С. О., CEUR Workshop Proceedings 2026 Vol. Vol-4247 P. 27–32
Добавлено: 2 ноября 2026 г.
Точно решаемые циклические q-цепочки Дарбу
Смирнов С. В., Дынников И. А., Успехи математических наук 2002 Т. 57 № 6 С. 183–184
Изучаются точно решаемые циклические q-цепочки Дарбу, обобщающие q-осциллятор ...
Добавлено: 1 ноября 2026 г.
Циклические q-цепочки Дарбу
Смирнов С. В., Алгебра и анализ 2003 Т. 15 № 5 С. 228–253
В работе построен дискретный q-аналог одевающей цепочки Веселова–Шабата (являющейся обобщением гармонического осциллятора). Показано, что, как и в непрерывном случае, соответствующие операторные соотношения позволяют полностью определить дискретный спектр операторов цепочки: в данном случае он состоит из нескольких q-арифметических прогрессий. В этой работе удалось реализовать циклическую q-цепочку ограниченными разностными самосопряженными операторами, причем спектр каждого из них дискретен, а собственные векторы образуют ...
Добавлено: 1 ноября 2026 г.
Полудискретные цепочки Тоды
Смирнов С. В., Теоретическая и математическая физика 2012 Т. 172 № 3 С. 387–402
Изучаются интегрируемые условия обрыва для полудискретной цепочки Тоды. Построено представление Лакса для полудискретного аналога цепочек, соответствующих простым алгебрам Ли серии C. Введены нелокальные переменные, в терминах которых записываются  симметрии бесконечной полудискретной цепочки, и классифицируются условия обрыва определенного вида, совместимые с симметриями бесконечной цепочки. ...
Добавлено: 1 ноября 2026 г.
Algorithmic overlaps in the Baxter–Wu model: cluster dynamics under Novotny–Evertz updates
Пиле Я. Э., Щур Л. Н., Nuclear Physics B 2026 No. 0550-3213 Article 117706
Добавлено: 1 ноября 2026 г.
О длине адаптивной различающей последовательности для семейства наблюдаемых автоматов
Бурдонов И. Б., Евтушенко Н. В., Косачев А. С., Труды Института системного программирования РАН 2025 Т. 37 № 6-1 С. 7–20
В статье исследуется длина адаптивной различающей последовательности для семейства инициальных полностью определенных наблюдаемых, возможно, недетерминированных автоматов. Приводится верхняя оценка длины такой последовательности и показывается ее достижимость. Обсуждается, каким образом полученные результаты можно применить при построении адаптивных диагностических тестов на основе конечно-автоматной модели. ...
Добавлено: 31 октября 2026 г.
Mathematical methods of reinforcement learning
Беломестный Д. В., Гасников А. В., Гладин Е. Л. и др., Russian Mathematical Surveys 2026 Vol. 81 No. 4(490) P. 3–90
Добавлено: 3 августа 2026 г.
Optimal navigation in two-dimensional flows: Control theory and reinforcement learning
Парфеньев В. М., Physical Review E - Statistical, Nonlinear, and Soft Matter Physics 2026 Vol. 114 No. 1 Article 015104
Добавлено: 17 июля 2026 г.
Improving Differential Equation Solving in Compact Language Models via Activation Steering and Reinforcement Learning
Сурков А. Ю., Игнатенко В. В., Кольцов С. Н., Computers, Materials and Continua 2026 Vol. 88 No. 3 Article 74
Добавлено: 8 июля 2026 г.
TreeDQN: Sample-efficient off-policy reinforcement learning for combinatorial optimization
Sorokin D., Kostin A., L. Savchenko и др., Knowledge-Based Systems 2026 Vol. 348 Article 116258
Добавлено: 10 июня 2026 г.
  • О ВЫШКЕ
  • Цифры и факты
  • Руководство и структура
  • Устойчивое развитие в НИУ ВШЭ
  • Преподаватели и сотрудники
  • Корпуса и общежития
  • Закупки
  • Обращения граждан в НИУ ВШЭ
  • Фонд целевого капитала
  • Противодействие коррупции
  • Сведения о доходах, расходах, об имуществе и обязательствах имущественного характера
  • Сведения об образовательной организации
  • Людям с ограниченными возможностями здоровья
  • Единая платежная страница
  • Работа в Вышке
  • ОБРАЗОВАНИЕ
  • Лицей
  • Довузовская подготовка
  • Олимпиады
  • Прием в бакалавриат
  • Вышка+
  • Прием в магистратуру
  • Аспирантура
  • Дополнительное образование
  • Центр развития карьеры
  • Бизнес-инкубатор ВШЭ
  • Образовательные партнерства
  • Обратная связь и взаимодействие с получателями услуг
  • НАУКА
  • Научные подразделения
  • Исследовательские проекты
  • Мониторинги
  • Диссертационные советы
  • Защиты диссертаций
  • Академическое развитие
  • Конкурсы и гранты
  • Внешние научно-информационные ресурсы
  • РЕСУРСЫ
  • Библиотека
  • Издательский дом ВШЭ
  • Книжный магазин «БукВышка»
  • Типография
  • Медиацентр
  • Журналы ВШЭ
  • Публикации
  • http://www.minobrnauki.gov.ru/
    Министерство науки и высшего образования РФ
  • https://edu.gov.ru/
    Министерство просвещения РФ
  • https://elearning.hse.ru/mooc
    Массовые открытые онлайн-курсы
  • НИУ ВШЭ1993–2026
  • Адреса и контакты
  • Условия использования материалов
  • Политика обработки персональных данных
  • Правила применения рекомендательных технологий в НИУ ВШЭ
  • Карта сайта
Редактору