非马尔可夫决策过程中的精确可区分性研究

研究在固定行为策略下收集的数据能否区分两个候选正则决策过程（RDP）。证明后验几率在任意样本量下保持等于先验几率，并提出 PEC 算法以线性时间判定可区分性。在四个测试环境中的三个上验证了先前可区分性假设的失败，并通过 PEC 恢复该假设。