
The authors propose the variational quantum policy iteration (VarQPI) algorithm, which combines quantum-enhanced policy evaluation with classical policy improvement to solve complex reinforcement learning problems more efficiently than classical methods.


coremsg

efficient-quantum-enhanced-policy-iteration-for-reinforcement-learning


Efficient Quantum-Enhanced Policy Iteration for Reinforcement Learning


title_rewrite


変分量子方策反復(VarQPI)アルゴリズムを提案し、大規模な線形方程式系を量子的に効率的に解くことで、強化学習の方策評価を実現する。さらに、温始まり初期化を導入したWS-VarQPIにより、収束速度を大幅に改善する。


量子強化学習のための温始まり変分量子方策反復アルゴリズム