The-Internet（IoT）网络智能地连接了数千个物理实体，为社区提供各种服务。它目睹了指数扩展，这使发现网络中存在的IoT设备并请求相应的服务的过程变得复杂。随着物联网环境的高度动态性质阻碍了传统的服务发现解决方案的使用，我们在本文中，通过提出一个可扩展的资源分配神经模型来解决此问题，足以适合异构的大型IoT网络。我们设计了一种图形神经网络（GNN）方法，该方法利用IoT网络中设备之间形成的社会关系来减少任何实体查找的搜索空间，并从网络中的另一个设备中获取服务。这种提出的资源分配方法超过了标准化问题，并通过GNNS的方式嵌入了社会物联网图的结构和特征，以最终的聚类分析过程。对现实世界数据集的仿真结果说明了该解决方案的性能及其在大规模IoT网络上运行的显着效率。

从最小值和实例依赖性视图中，已经对乐观算法进行了广泛的研究，以在情节表格MDP中进行遗憾的最小化。但是，对于PAC RL问题，目标是确定具有很高可能性的近乎最佳策略，对它们的实例依赖性样本复杂性知之甚少。 Wagenmaker等人的负面结果。 （2021）表明，乐观的抽样规则不能用于达到（仍然难以捉摸的）最佳实例依赖性样本复杂性。在正面，我们为PAC RL的乐观算法提供了第一个依赖于实例依赖性的结合，BPI-UCRL仅可用的最小值保证（Kaufmann等，2021）。尽管我们的界限具有一些最小的访问概率，但与先前工作中出现的价值差距相比，它的次要差距的精致概念。此外，在具有确定性过渡的MDP中，我们表明BPI-UCRL实际上是近乎最佳的。从技术方面来说，由于独立兴趣的新“目标技巧”，我们的分析非常简单。我们用新颖的硬度结果补充了这些发现，解释了为什么与Minimax政权不同，为什么PAC RL的实例依赖性复杂性与遗憾最小化的复杂性不易与遗憾最小化相关。

在大约正确的（PAC）强化学习（RL）中，需要代理来识别具有$ 1- \ delta $的$ \ epsilon $最佳政策。尽管此问题存在最小值最佳算法，但其实例依赖性复杂性在情节马尔可夫决策过程（MDPS）中仍然难以捉摸。在本文中，我们提出了具有有限状态和动作空间的确定性情节MDP中PAC RL样品复杂性的第一个（几乎）匹配的上限和下限。特别是，我们的界限为国家行动对的新概念构成了我们称为确定性返回差距的新概念。尽管我们的依赖实例的下限是作为线性程序编写的，但我们的算法非常简单，并且在学习过程中不需要解决这样的优化问题。他们的设计和分析采用了新颖的想法，包括图理论概念，例如最小流量和最大削减，我们认为这为这个问题提供了新的启示。