连续状态—动作空间中单时间尺度 Actor-Critic 的全局最优性：线性二次调节器研究

基于摘要分析。本文研究经典单样本、单时间尺度 actor-critic 在连续状态—动作空间中的理论性能，以线性二次调节器（LQR）为研究对象，旨在缩小常见算法实践与既有收敛理论之间的差距。 作者指出，既有研究多采用双循环或双时间尺度步长等变体，相关结果主要涉及有限状态或动作空间中的局部收敛。本文转而分析单样本、单时间尺度设定；作者报告，在所研究的 LQR 条件下，该算法能够以 O(ε⁻²) 的样本复杂度获得 ε-最优解。该结论属于特定控制问题下的理论保证，不能直接推广为任意连续控制任务或一般 actor-critic 的全局最优性。 摘要未给出 actor 与 critic 的具体参数化、更新公式、采样机制、稳定性条件、噪声假设及 ε-最优的精确定义，因此尚不能判断该复杂度结论依赖哪些关键条件。证明细节、实验协议、消融及统计信息尚未验证；复现或应用前需取得全文并核对算法与定理假设。 材料没有提供 EEG/BCI 数据、任务或验证结果，也没有建立 LQR 假设与神经信号闭环控制之间的具体对应关系，因此不据此提出 BCI 算法迁移结论。已有 EEG 相关工作尚未检索确认。