オンライン価格設定のための ǫ-ポリシーグラジエントアルゴリズム

ǫ-グリーディーアルゴリズムを拡張し、グラジエントディセントステップを用いることで、モデル推論を通じて学習を促進するǫ-ポリシーグラジエントアルゴリズムを提案し、分析した。