3.4.2.1 baseline lemma

이번 section에서는 $g = \mathbb{E}_\pi[\sum_a{\nabla_{\theta}\log{\pi^a(u^a|\tau^a)A^a(s,\bold{u})}}] = 0$임을 증명해볼 예정입니다. $b$baseline으로 사용하기 위해서 unbiased함을 보여야하므로 꼭 짚고넘어가는 것이 좋습니다.

이 $g$는 다음과 같이 정의 가능합니다.

$A^a(s,\bold{u}) = Q(s,\bold{u})-b(s,\bold{u}^{-a})$

그렇다면, baseline $b$에 대한 $g$는 로 나타낼 수 있습니다. 이는 state distribution이 ergodic하다면, stationary distribution $d$를 사용해 summation form으로 다음과 같이 나타낼 수 있습니다.

$= -\sum_s{d^\pi(s)}\sum _a\sum_{\bold{u}}{\bm{\pi}(\bold{u}|\bm{\tau})}{\nabla{\theta}\log{\pi^a(u^a|\tau^a)b^a(s,\bold{u}^{-a})}}$

$= -\sum_s{d^\pi(s)}\sum _a\sum_{\bold{u}^{-a}}{\bm{\pi}(\bold{u}^{-a}|\bm{\tau}-a)}\sum_{u^a}{\pi^a(u^a|\tau^a)}{\nabla{\theta}\log{\pi^a(u^a|\tau^a)b^a(s,\bold{u}^{-a})}}$

$(\because \bm{\pi}(\bm{u}|\bm{\tau}) = \prod_{a' \in a}{\pi^{a'}(u^{a'}|\tau^{a'}))}$

$= -\sum_s{d^\pi(s)}\sum _a\sum_{\bold{u}^{-a}}{\bm{\pi}(\bold{u}^{-a}|\bm{\tau}-a)}\sum_{u^a}{\nabla\pi^a(u^a|\tau^a)}{b^a(s,\bold{u}^{-a}})$

$= -\sum_s{d^\pi(s)}\sum _a\sum_{\bold{u}^{-a}}{\bm{\pi}(\bold{u}^{-a}|\bm{\tau}-a)}{b^a(s,\bold{u}^{-a}}){\nabla1}$

$= 0$