Bellman update中Value Iteration收敛证明
Preface
感觉比赛完了后有段空隙期,没事抬头看看天空,低头翻翻paper.
Text
问题在这本textbook的654页上的(17.7)
,是关于不动点的收敛问题。收敛性问题一向引人入胜,但刚看到这段的时候,还是没有从mess中理出来,还好后面Exercise 17.6
有guidance。把(b)问做了之后,发现(a)并没有那么trivial,于是记一下。
(b)
从guidance的思路出发,剩下的用一个如下的式子进行证明:
\[\begin{equation}
\mathop{max}_{a\in A(s)} \left|\sum_{s'}P(s'|s,a)\left( U_i(s')-U'_i(s') \right) \right| \leq \mathop{max}_{s'} \left| U_i(s')-U'_i(s') \right| \label{eq:17.6.b}
\end{equation}
\]
利用\(P\)的概率属性。
以下是关于(a)
的证明。
(a)
这是这篇想要说的主要内容,复述一下要证明的问题:
for any functions
\(f\) and \(g\)
\[\left|\mathop{max}_{a}f(a)-\mathop{max}_{a}g(a)\right|\leq\mathop{max}_{a}\left|f(a)-g(a)\right|
\]
感觉离上次看见Terence Tao的字眼已经很久了,思维启动起来有些慢,一开始还想从连续性方面考虑下(-_-||),后面发觉应该归为一般类的问题来考虑。
先做几个定义:
\[\begin{eqnarray}
f_a & :=& \max f\nonumber\\
g_x &:=& \max g \nonumber\\
h(y) &:=& \left(f(y)-g(y)\right)^2-(f_a-g_x)^2\nonumber
\end{eqnarray}
\]
那么问题就转为证明:
\[\begin{equation}
\exists y \in D, ~ h(y) \geq 0\label{eq:proof1}
\end{equation}
\]
如果只考虑是个一般类问题的话,能着手的只有两个已知点,还好后面发现能work:
\[\begin{eqnarray}
h(a) &=& \left( 2f_a -g(a) -g_x\right)\left(g_x-g(a)\right)\label{eq:h_a}\\
h(x) &=& \left(2g_x-f(x)-f_a\right)\left(f_a-f(x)\right)\label{eq:h_x}
\end{eqnarray}
\]
然后讨论\(f_a,~g_x\)的大小关系,发现总会存在\(h(a)~OR~h(x)\ge 0\)的情况。
Note
这种更新方式很concise(也很nice),容易使人联想到EM
的策略,但EM却和不动点扯不上什么关系(真是遗憾)。
另外,(b)
的严格证明还没有进行,上面只是一些思路。