強化学習におけるコスト関数の中心的な役割

コスト関数の選択が、価値ベースの意思決定アルゴリズムの標本効率と適応性に大きな影響を与える。二次の上界は一次の上界よりも優れており、特に分布的アプローチを用いることで、最適方策の分散に依存する更に鋭い上界が得られる。