<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE article PUBLIC "-//NLM//DTD Journal Publishing DTD v3.0 20080202//EN" "http://dtd.nlm.nih.gov/publishing/3.0/journalpublishing3.dtd">
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" dtd-version="3.0" xml:lang="en" article-type="research article">
 <front>
  <journal-meta>
   <journal-id journal-id-type="publisher-id">
    apm
   </journal-id>
   <journal-title-group>
    <journal-title>
     Advances in Pure Mathematics
    </journal-title>
   </journal-title-group>
   <issn pub-type="epub">
    2160-0368
   </issn>
   <issn publication-format="print">
    2160-0384
   </issn>
   <publisher>
    <publisher-name>
     Scientific Research Publishing
    </publisher-name>
   </publisher>
  </journal-meta>
  <article-meta>
   <article-id pub-id-type="doi">
    10.4236/apm.2025.154013
   </article-id>
   <article-id pub-id-type="publisher-id">
    apm-142024
   </article-id>
   <article-categories>
    <subj-group subj-group-type="heading">
     <subject>
      Articles
     </subject>
    </subj-group>
    <subj-group subj-group-type="Discipline-v2">
     <subject>
      Physics 
     </subject>
     <subject>
       Mathematics
     </subject>
    </subj-group>
   </article-categories>
   <title-group>
    Offline Robustness of Distributional Actor-Critic Ensemble Reinforcement Learning
   </title-group>
   <contrib-group>
    <contrib contrib-type="author" xlink:type="simple">
     <name name-style="western">
      <surname>
       Zhongcui
      </surname>
      <given-names>
       Ma
      </given-names>
     </name> 
     <xref ref-type="aff" rid="aff1"> 
      <sup>1</sup>
     </xref>
    </contrib>
    <contrib contrib-type="author" xlink:type="simple">
     <name name-style="western">
      <surname>
       Dandan
      </surname>
      <given-names>
       Lai
      </given-names>
     </name> 
     <xref ref-type="aff" rid="aff1"> 
      <sup>1</sup>
     </xref>
    </contrib>
    <contrib contrib-type="author" xlink:type="simple">
     <name name-style="western">
      <surname>
       Jianxiang
      </surname>
      <given-names>
       Zhu
      </given-names>
     </name> 
     <xref ref-type="aff" rid="aff1"> 
      <sup>1</sup>
     </xref>
    </contrib>
    <contrib contrib-type="author" xlink:type="simple">
     <name name-style="western">
      <surname>
       Yaxin
      </surname>
      <given-names>
       Peng
      </given-names>
     </name> 
     <xref ref-type="aff" rid="aff2"> 
      <sup>2</sup>
     </xref>
    </contrib>
   </contrib-group> 
   <aff id="aff1">
    <addr-line>
     aDepartment of Mathematics, College of Sciences, Shanghai University, Shanghai, China
    </addr-line> 
   </aff> 
   <aff id="aff2">
    <addr-line>
     aSchool of Future Technology, and Department of Mathematics, College of Sciences, Shanghai University, Shanghai, China
    </addr-line> 
   </aff> 
   <pub-date pub-type="epub">
    <day>
     15
    </day> 
    <month>
     04
    </month>
    <year>
     2025
    </year>
   </pub-date> 
   <volume>
    15
   </volume> 
   <issue>
    04
   </issue>
   <fpage>
    269
   </fpage>
   <lpage>
    290
   </lpage>
   <history>
    <date date-type="received">
     <day>
      12,
     </day>
     <month>
      March
     </month>
     <year>
      2025
     </year>
    </date>
    <date date-type="published">
     <day>
      15,
     </day>
     <month>
      March
     </month>
     <year>
      2025
     </year> 
    </date> 
    <date date-type="accepted">
     <day>
      15,
     </day>
     <month>
      April
     </month>
     <year>
      2025
     </year> 
    </date>
   </history>
   <permissions>
    <copyright-statement>
     © Copyright 2014 by authors and Scientific Research Publishing Inc. 
    </copyright-statement>
    <copyright-year>
     2014
    </copyright-year>
    <license>
     <license-p>
      This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/
     </license-p>
    </license>
   </permissions>
   <abstract>
    Offline reinforcement learning (RL) focuses on learning policies using static datasets without further exploration. With the introduction of distributional reinforcement learning into offline RL, current methods excel at quantifying the risk and ensuring the security of learned policies. However, these algorithms cannot effectively balance the distribution shift and robustness, and even a minor perturbation in observations can significantly impair policy performance. In this paper, we propose the algorithm of Offline Robustness of Distributional actor-critic Ensemble Reinforcement Learning (ORDER) to improve the robustness of policies. In ORDER, we introduce two approaches to enhance the robustness: 1) introduce the smoothing technique to policies and distribution functions for states near the dataset; 2) strengthen the quantile network. In addition to improving the robustness, we also theoretically prove that ORDER converges to a conservative lower bound, which can alleviate the distribution shift. In our experiments, we validate the effectiveness of ORDER in the D4RL benchmark through comparative experiments and ablation studies.
   </abstract>
   <kwd-group> 
    <kwd>
     Offline Reinforcement Learning
    </kwd> 
    <kwd>
      Distributional Reinforcement Learning
    </kwd> 
    <kwd>
      Robustness
    </kwd>
   </kwd-group>
  </article-meta>
 </front>
 <body>
  <sec id="s1">
   <title>1. Introduction</title>
   <p>Offline reinforcement learning (RL) <xref ref-type="bibr" rid="scirp.142024-1">
     [1]
    </xref>-<xref ref-type="bibr" rid="scirp.142024-3">
     [3]
    </xref> concerns the problem of learning a policy from a fixed dataset without further interactions. Offline RL can reduce risk and costs since it eliminates the need for online interaction. In this way, offline RL can be well used in real-world applications such as autonomous driving <xref ref-type="bibr" rid="scirp.142024-4">
     [4]
    </xref>, healthcare <xref ref-type="bibr" rid="scirp.142024-5">
     [5]
    </xref> and robot control <xref ref-type="bibr" rid="scirp.142024-6">
     [6]
    </xref>.</p>
   <p>Applying the standard policy improvement approaches to an offline dataset typically results in the distribution shift problem, making offline RL a challenging task <xref ref-type="bibr" rid="scirp.142024-7">
     [7]
    </xref> <xref ref-type="bibr" rid="scirp.142024-8">
     [8]
    </xref>. Some prior works have relieved this issue by penalizing the action-value of the out-of-distribution (OOD) actions <xref ref-type="bibr" rid="scirp.142024-9">
     [9]
    </xref>-<xref ref-type="bibr" rid="scirp.142024-11">
     [11]
    </xref>. Nevertheless, simply learning the expectation of action-value is unable to quantify risk and ensure that the learned policy acts safely. To overcome this problem, some efforts have been made to import distributional RL <xref ref-type="bibr" rid="scirp.142024-12">
     [12]
    </xref>-<xref ref-type="bibr" rid="scirp.142024-14">
     [14]
    </xref> into offline RL to learn the full distribution over future returns, which is used to make plans to avoid risky and unsafe actions. In addition, with the establishment of risk-sensitive objectives <xref ref-type="bibr" rid="scirp.142024-14">
     [14]
    </xref>, distributional offline RL <xref ref-type="bibr" rid="scirp.142024-15">
     [15]
    </xref> <xref ref-type="bibr" rid="scirp.142024-16">
     [16]
    </xref> learns state representations better since they can acquire richer distributed signals, making them superior to traditional reinforcement learning algorithms even on risk-seeking and risk-averse objectives.</p>
   <p>Unfortunately, research on distributional offline RL is less complete. CODAC <xref ref-type="bibr" rid="scirp.142024-15">
     [15]
    </xref> brings distributional RL into the offline setting by penalizing the predicted return quantiles for OOD actions. Meanwhile, MQN-CQR <xref ref-type="bibr" rid="scirp.142024-16">
     [16]
    </xref> learns a worst-case policy by optimizing the conditional value-at-risk of the distributional value function. However, existing distributional offline RL methods only focus on the safety of the learned policy. These methods leverage a conservative return distribution to impair the robustness, and will make policies highly sensitive, even a minor perturbation in observations <xref ref-type="bibr" rid="scirp.142024-17">
     [17]
    </xref>. As a result, merely possessing safety can not make a fine balance between conservatism and robustness, which does not pay enough attention to robustness.</p>
   <p>In this paper, we propose Offline Robustness of Distributional actor-critic Ensemble Reinforcement Learning (ORDER) by introducing a smoothing technique to quantile networks. Firstly, we consider the dynamic entropy regularizer of the quantile function instead of an unchangeable constant to ensure sufficient exploration. Secondly, the increasing number of quantile networks is also beneficial in obtaining a more robust distribution value function. Thirdly, smooth regularization is brought into the distribution and policies of states near the dataset. In theory, we prove that ORDER obtains a uniform lower bound on all integrations of the quantiles with the distribution soft Bellman operator, which controls the distribution shift. Such bound also achieves the same effect for both expected returns and risk-sensitive objectives. Overall, ORDER can mitigate the OOD problem and simultaneously balance conservatism and robustness.</p>
   <p>In our experiments, ORDER outperforms the existing distributional offline RL methods in the D4RL benchmark <xref ref-type="bibr" rid="scirp.142024-18">
     [18]
    </xref>. Meanwhile, our algorithm is also competitive against the current advanced algorithms. Our ablation experiments demonstrate that strengthening the quantile network is critical to the performance of ORDER. In addition, choosing different risk measure functions does not have a great impact on the performance of ORDER, which also shows the robustness of our method.</p>
  </sec><sec id="s2">
   <title>
    <xref ref-type="bibr" rid="scirp.142024-"></xref>2. Preliminaries</title>
   <sec id="s2_1">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>2.1. Markov Decision Process and Offline Reinforcement Learning</title>
    <p>Consider an episodic Markov decision process (MDP) 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         M 
       </mi> 
       <mo>
         = 
       </mo> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi mathvariant="script">
           S 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi mathvariant="script">
           A 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ℙ 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           T 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           R 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           γ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi mathvariant="script">
        S 
      </mi> 
     </math> is the state space, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi mathvariant="script">
        A 
      </mi> 
     </math> is the action space, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ℙ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
         <mo>
           | 
         </mo> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> is the transition distribution, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        T 
      </mi> 
     </math> is the length of the episode, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         R 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> is the reward function, and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        γ 
      </mi> 
     </math> is the discount factor. For a stochastic policy 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         π 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           a 
         </mi> 
         <mo>
           | 
         </mo> 
         <mi>
           s 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         : 
       </mo> 
       <mi mathvariant="script">
         S 
       </mi> 
       <mo>
         × 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
       <mo>
         → 
       </mo> 
       <mi>
         ℝ 
       </mi> 
      </mrow> 
     </math>, action-value function 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Q 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
      </mrow> 
     </math> is defined as</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Q 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         : 
       </mo> 
       <mo>
         = 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          E 
        </mi> 
        <mi>
          π 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <munderover> 
          <mstyle mathsize="140%" displaystyle="true"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <mi>
             t 
           </mi> 
           <mo>
             = 
           </mo> 
           <mn>
             0 
           </mn> 
          </mrow> 
          <mi>
            ∞ 
          </mi> 
         </munderover> 
         <mtext>
             
         </mtext> 
         <msup> 
          <mi>
            γ 
          </mi> 
          <mi>
            t 
          </mi> 
         </msup> 
         <mi>
           R 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              s 
            </mi> 
            <mi>
              t 
            </mi> 
           </msub> 
           <mo>
             , 
           </mo> 
           <msub> 
            <mi>
              a 
            </mi> 
            <mi>
              t 
            </mi> 
           </msub> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
       <mo>
         | 
       </mo> 
       <msub> 
        <mi>
          a 
        </mi> 
        <mi>
          t 
        </mi> 
       </msub> 
       <mo>
         ~ 
       </mo> 
       <mi>
         π 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mo>
           ⋅ 
         </mo> 
         <mo>
           | 
         </mo> 
         <msub> 
          <mi>
            s 
          </mi> 
          <mi>
            t 
          </mi> 
         </msub> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
       <msub> 
        <mi>
          s 
        </mi> 
        <mrow> 
         <mi>
           t 
         </mi> 
         <mo>
           + 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msub> 
       <mo>
         ~ 
       </mo> 
       <mi>
         ℙ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mo>
           ⋅ 
         </mo> 
         <mo>
           | 
         </mo> 
         <msub> 
          <mi>
            s 
          </mi> 
          <mi>
            t 
          </mi> 
         </msub> 
         <mo>
           , 
         </mo> 
         <msub> 
          <mi>
            a 
          </mi> 
          <mi>
            t 
          </mi> 
         </msub> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
       <msub> 
        <mi>
          s 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
       <mo>
         = 
       </mo> 
       <mi>
         s 
       </mi> 
       <mo>
         , 
       </mo> 
       <msub> 
        <mi>
          a 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
       <mo>
         = 
       </mo> 
       <mi>
         a 
       </mi> 
       <mo>
         . 
       </mo> 
      </mrow> 
     </math></p>
    <p>Standard RL aims at learning the optimal policy 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          π 
        </mi> 
        <mo>
          ⋆ 
        </mo> 
       </msup> 
      </mrow> 
     </math> such that 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Q 
        </mi> 
        <mrow> 
         <msup> 
          <mi>
            π 
          </mi> 
          <mo>
            ⋆ 
          </mo> 
         </msup> 
        </mrow> 
       </msup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≥ 
       </mo> 
       <msup> 
        <mi>
          Q 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> for all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         S 
       </mi> 
       <mo>
         , 
       </mo> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math> and all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        π 
      </mi> 
     </math>. The corresponding 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        Q 
      </mi> 
     </math>-function of the policy satisfies the Bellman operator:</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi mathvariant="script">
          T 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mi>
         Q 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mi mathvariant="double-struck">
         E 
       </mi> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <mi>
           R 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
       <mo>
         + 
       </mo> 
       <mi>
         γ 
       </mi> 
       <mo>
         ⋅ 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          E 
        </mi> 
        <mrow> 
         <mi>
           ℙ 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           π 
         </mi> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <mi>
           Q 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
       <mo>
         . 
       </mo> 
      </mrow> 
     </math></p>
    <p>In the offline setting, the agent is not allowed to interact with the environment <xref ref-type="bibr" rid="scirp.142024-18">
      [18]
     </xref>. The objective of agents is to learn an optimal policy only from a fixed dataset 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi mathvariant="script">
         D 
       </mi> 
       <mo>
         : 
       </mo> 
       <mo>
         = 
       </mo> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             r 
           </mi> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          } 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. For all states 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         D 
       </mi> 
      </mrow> 
     </math>, let 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          π 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           a 
         </mi> 
         <mo>
           | 
         </mo> 
         <mi>
           s 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         : 
       </mo> 
       <mo>
         = 
       </mo> 
       <mfrac> 
        <mrow> 
         <msub> 
          <mstyle displaystyle="true" mathsize="140%"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             ∈ 
           </mo> 
           <mi mathvariant="script">
             D 
           </mi> 
          </mrow> 
         </msub> 
         <mtext>
             
         </mtext> 
         <msub> 
          <mn>
            1 
          </mn> 
          <mrow> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <msup> 
              <mi>
                s 
              </mi> 
              <mo>
                ′ 
              </mo> 
             </msup> 
             <mo>
               = 
             </mo> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <msup> 
              <mi>
                a 
              </mi> 
              <mo>
                ′ 
              </mo> 
             </msup> 
             <mo>
               = 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
        </mrow> 
        <mrow> 
         <msub> 
          <mstyle displaystyle="true" mathsize="140%"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             ∈ 
           </mo> 
           <mi mathvariant="script">
             D 
           </mi> 
          </mrow> 
         </msub> 
         <mtext>
             
         </mtext> 
         <msub> 
          <mn>
            1 
          </mn> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             = 
           </mo> 
           <mi>
             s 
           </mi> 
          </mrow> 
         </msub> 
        </mrow> 
       </mfrac> 
      </mrow> 
     </math> be the empirical behavior policy. In order to avoid the situation where the denominator of the fraction is 0 in the theoretical analysis, we assume that 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          π 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           a 
         </mi> 
         <mo>
           | 
         </mo> 
         <mi>
           s 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         &gt; 
       </mo> 
       <mn>
         0 
       </mn> 
      </mrow> 
     </math>. Broadly, actions that are not drawn from 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mover accent="true"> 
       <mi>
         π 
       </mi> 
       <mo>
         ^ 
       </mo> 
      </mover> 
     </math> (i.e., those with low probability density) are the out-of-distribution (OOD).</p>
   </sec>
   <sec id="s2_2">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>2.2. Distributional Reinforcement Learning</title>
    <p>Distributional RL directly models the full distribution of returns 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Z 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mstyle displaystyle="true"> 
        <msubsup> 
         <mo>
           ∑ 
         </mo> 
         <mrow> 
          <mi>
            t 
          </mi> 
          <mo>
            = 
          </mo> 
          <mn>
            0 
          </mn> 
         </mrow> 
         <mi>
           ∞ 
         </mi> 
        </msubsup> 
        <mrow> 
         <msup> 
          <mi>
            γ 
          </mi> 
          <mi>
            t 
          </mi> 
         </msup> 
         <mi>
           R 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              s 
            </mi> 
            <mi>
              t 
            </mi> 
           </msub> 
           <mo>
             , 
           </mo> 
           <msub> 
            <mi>
              a 
            </mi> 
            <mi>
              t 
            </mi> 
           </msub> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </mstyle> 
      </mrow> 
     </math>, instead of merely learning its expected value <xref ref-type="bibr" rid="scirp.142024-19">
      [19]
     </xref>. The distributional Bellman operator for policy evaluation is 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi mathvariant="script">
          T 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mi>
         Z 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         : 
       </mo> 
       <mover> 
        <mo>
          = 
        </mo> 
        <mi>
          D 
        </mi> 
       </mover> 
       <mi>
         R 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         + 
       </mo> 
       <mi>
         γ 
       </mi> 
       <mi>
         Z 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
         <mo>
           , 
         </mo> 
         <msup> 
          <mi>
            a 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover> 
        <mo>
          = 
        </mo> 
        <mi>
          D 
        </mi> 
       </mover> 
      </mrow> 
     </math> indicates equality in distribution. Define the quantile function be the inverse of the cumulative density function 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          F 
        </mi> 
        <mi>
          Z 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          z 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mi>
         P 
       </mi> 
       <mi>
         r 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mo>
           &lt; 
         </mo> 
         <mi>
           z 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> as 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mi>
          Z 
        </mi> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         : 
       </mo> 
       <mo>
         = 
       </mo> 
       <mtext>
         inf 
       </mtext> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mi>
           z 
         </mi> 
         <mo>
           ∈ 
         </mo> 
         <mi>
           ℝ 
         </mi> 
         <mo>
           : 
         </mo> 
         <mi>
           τ 
         </mi> 
         <mo>
           ≤ 
         </mo> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mi>
            Z 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            z 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          } 
        </mo> 
       </mrow> 
      </mrow> 
     </math> <xref ref-type="bibr" rid="scirp.142024-20">
      [20]
     </xref>, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        τ 
      </mi> 
     </math> denotes the quantile fraction. For random variables 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        U 
      </mi> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        V 
      </mi> 
     </math> with quantile functions 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mi>
          U 
        </mi> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mi>
          V 
        </mi> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
      </mrow> 
     </math>, the 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        p 
      </mi> 
     </math>-Wasserstein distance 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          W 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           U 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           V 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mstyle displaystyle="true"> 
            <mrow> 
             <msubsup> 
              <mo>
                ∫ 
              </mo> 
              <mn>
                0 
              </mn> 
              <mn>
                1 
              </mn> 
             </msubsup> 
             <mrow> 
              <msup> 
               <mrow> 
                <mrow> 
                 <mo>
                   | 
                 </mo> 
                 <mrow> 
                  <msubsup> 
                   <mi>
                     F 
                   </mi> 
                   <mi>
                     U 
                   </mi> 
                   <mrow> 
                    <mo>
                      − 
                    </mo> 
                    <mn>
                      1 
                    </mn> 
                   </mrow> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                  <mo>
                    − 
                  </mo> 
                  <msubsup> 
                   <mi>
                     F 
                   </mi> 
                   <mi>
                     V 
                   </mi> 
                   <mrow> 
                    <mo>
                      − 
                    </mo> 
                    <mn>
                      1 
                    </mn> 
                   </mrow> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mo>
                   | 
                 </mo> 
                </mrow> 
               </mrow> 
               <mi>
                 p 
               </mi> 
              </msup> 
              <mtext>
                d 
              </mtext> 
              <mi>
                τ 
              </mi> 
             </mrow> 
            </mrow> 
           </mstyle> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mn>
           1 
         </mn> 
         <mo>
           / 
         </mo> 
         <mi>
           p 
         </mi> 
        </mrow> 
       </msup> 
      </mrow> 
     </math> is the 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          L 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
      </mrow> 
     </math> metric on quantile functions. <xref ref-type="bibr" rid="scirp.142024-19">
      [19]
     </xref> gave that the distributional Bellman operator 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi mathvariant="script">
          T 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
      </mrow> 
     </math> is a 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        γ 
      </mi> 
     </math>-contraction in the 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          W 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
      </mrow> 
     </math>, i.e., let 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mover accent="true"> 
         <mi>
           d 
         </mi> 
         <mo>
           ¯ 
         </mo> 
        </mover> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mn>
            1 
          </mn> 
         </msub> 
         <mo>
           , 
         </mo> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mn>
            2 
          </mn> 
         </msub> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         : 
       </mo> 
       <mo>
         = 
       </mo> 
       <msub> 
        <mrow> 
         <mi>
           sup 
         </mi> 
        </mrow> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
       </msub> 
       <msub> 
        <mi>
          W 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mn>
            1 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mn>
            2 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> be the largest Wasserstein</p>
    <p>distance over 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, and <img width="369.7916666666667" src="https://html.scirp.org/file/5302581-rId95.svg?20250418014350"> be the space of distributions over 
      <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
         ℝ 
       </mi> 
      </math> with bounded 
      <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
         p 
       </mi> 
      </math>-th moment, then </img></p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mover accent="true"> 
         <mi>
           d 
         </mi> 
         <mo>
           ¯ 
         </mo> 
        </mover> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msup> 
          <mi mathvariant="script">
            T 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mn>
            1 
          </mn> 
         </msub> 
         <mo>
           , 
         </mo> 
         <msup> 
          <mi mathvariant="script">
            T 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mn>
            2 
          </mn> 
         </msub> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≤ 
       </mo> 
       <mi>
         γ 
       </mi> 
       <mo>
         ⋅ 
       </mo> 
       <msub> 
        <mover accent="true"> 
         <mi>
           d 
         </mi> 
         <mo>
           ¯ 
         </mo> 
        </mover> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mn>
            1 
          </mn> 
         </msub> 
         <mo>
           , 
         </mo> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mn>
            2 
          </mn> 
         </msub> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mtext>
           
       </mtext> 
       <mtext>
           
       </mtext> 
       <mtext>
           
       </mtext> 
       <mtext>
           
       </mtext> 
       <mo>
         ∀ 
       </mo> 
       <msub> 
        <mi>
          Z 
        </mi> 
        <mn>
          1 
        </mn> 
       </msub> 
       <mo>
         , 
       </mo> 
       <msub> 
        <mi>
          Z 
        </mi> 
        <mn>
          2 
        </mn> 
       </msub> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         Z 
       </mi> 
       <mo>
         . 
       </mo> 
      </mrow> 
     </math></p>
    <p>Fitted distributional evaluation (FDE) <xref ref-type="bibr" rid="scirp.142024-15">
      [15]
     </xref> approximates 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi mathvariant="script">
          T 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
      </mrow> 
     </math> by 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mover accent="true"> 
         <mi mathvariant="script">
           T 
         </mi> 
         <mo>
           ^ 
         </mo> 
        </mover> 
        <mi>
          π 
        </mi> 
       </msup> 
      </mrow> 
     </math> using 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mi mathvariant="script">
        D 
      </mi> 
     </math>, then 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Z 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
      </mrow> 
     </math> can be estimated by starting from an arbitrary 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mover accent="true"> 
         <mi>
           Z 
         </mi> 
         <mo>
           ^ 
         </mo> 
        </mover> 
        <mn>
          0 
        </mn> 
       </msup> 
      </mrow> 
     </math> and iteratively computing</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ^ 
           </mo> 
          </mover> 
          <mrow> 
           <mi>
             k 
           </mi> 
           <mo>
             + 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <mo>
           = 
         </mo> 
         <munder> 
          <mrow> 
           <mi>
             arg 
           </mi> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mi>
            Z 
          </mi> 
         </munder> 
         <msub> 
          <mi>
            ℒ 
          </mi> 
          <mi>
            p 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             Z 
           </mi> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mover accent="true"> 
             <mi mathvariant="script">
               T 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
            <mi>
              π 
            </mi> 
           </msup> 
           <msup> 
            <mover accent="true"> 
             <mi>
               Z 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
            <mi>
              k 
            </mi> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
         <mtext>
             
         </mtext> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
           where 
         </mtext> 
         <mtext>
             
         </mtext> 
         <msub> 
          <mi>
            ℒ 
          </mi> 
          <mi>
            p 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             Z 
           </mi> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           = 
         </mo> 
         <msub> 
          <mi mathvariant="double-struck">
            E 
          </mi> 
          <mrow> 
           <mi mathvariant="script">
             D 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              W 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <msup> 
            <mrow> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 , 
               </mo> 
               <msup> 
                <mi>
                  Z 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mi>
              p 
            </mi> 
           </msup> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>In distributional RL, let risk measure function 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         Φ 
       </mi> 
       <mo>
         : 
       </mo> 
       <mi mathvariant="script">
         Z 
       </mi> 
       <mo>
         → 
       </mo> 
       <mi>
         ℝ 
       </mi> 
      </mrow> 
     </math> be a map from the value distribution space to real numbers. Given a distorted function 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         g 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> over 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <mn>
           0 
         </mn> 
         <mo>
           , 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, the distorted expectation of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        Z 
      </mi> 
     </math> is</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          Φ 
        </mi> 
        <mi>
          g 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mstyle displaystyle="true"> 
        <mrow> 
         <msubsup> 
          <mo>
            ∫ 
          </mo> 
          <mn>
            0 
          </mn> 
          <mn>
            1 
          </mn> 
         </msubsup> 
         <mrow> 
          <msubsup> 
           <mi>
             F 
           </mi> 
           <mrow> 
            <mi>
              Z 
            </mi> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                s 
              </mi> 
              <mo>
                , 
              </mo> 
              <mi>
                a 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mrow> 
            <mo>
              − 
            </mo> 
            <mn>
              1 
            </mn> 
           </mrow> 
          </msubsup> 
         </mrow> 
        </mrow> 
       </mstyle> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mi>
         g 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mtext>
         d 
       </mtext> 
       <mi>
         τ 
       </mi> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math></p>
    <p>and the corresponding policy is 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          π 
        </mi> 
        <mi>
          g 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          s 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         : 
       </mo> 
       <mo>
         = 
       </mo> 
       <mi>
         arg 
       </mi> 
       <msub> 
        <mrow> 
         <mi>
           max 
         </mi> 
        </mrow> 
        <mi>
          a 
        </mi> 
       </msub> 
       <msub> 
        <mi>
          Φ 
        </mi> 
        <mi>
          g 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> <xref ref-type="bibr" rid="scirp.142024-13">
      [13]
     </xref>. Specially, if 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         g 
       </mi> 
       <mo>
         = 
       </mo> 
       <mtext>
         Uniform 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <mn>
             0 
           </mn> 
           <mo>
             , 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, then 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Q 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msub> 
        <mi>
          Φ 
        </mi> 
        <mi>
          g 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. For other choices of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         g 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, please refer to Section 5.2.</p>
   </sec>
   <sec id="s2_3">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>2.3. Robust Reinforcement Learning</title>
    <p>Robust RL learns the policy by introducing worst-case adversarial noise to the system dynamics and formulating the noise distribution as the solution of a zero-sum minimax game. In order to learn robust policy 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        π 
      </mi> 
     </math>, SR<sup>2</sup>L <xref ref-type="bibr" rid="scirp.142024-21">
      [21]
     </xref> obtains 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          s 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mo>
         = 
       </mo> 
       <mi>
         arg 
       </mi> 
       <msub> 
        <mrow> 
         <mi>
           max 
         </mi> 
        </mrow> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           ∈ 
         </mo> 
         <msub> 
          <mi mathvariant="double-struck">
            B 
          </mi> 
          <mi>
            d 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             ϵ 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
       <msub> 
        <mi>
          D 
        </mi> 
        <mtext>
          J 
        </mtext> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mo>
             ⋅ 
           </mo> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           | 
         </mo> 
         <mo>
           | 
         </mo> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mo>
             ⋅ 
           </mo> 
           <mo>
             | 
           </mo> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> by adding a perturbation to the state 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        s 
      </mi> 
     </math>, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi mathvariant="double-struck">
          B 
        </mi> 
        <mi>
          d 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           : 
         </mo> 
         <mi>
           d 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           ≤ 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          } 
        </mo> 
       </mrow> 
      </mrow> 
     </math> and the Jeffrey’s divergence 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          D 
        </mi> 
        <mtext>
          J 
        </mtext> 
       </msub> 
      </mrow> 
     </math> for two distributions P and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        Q 
      </mi> 
     </math> is defined by 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          D 
        </mi> 
        <mtext>
          J 
        </mtext> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           P 
         </mi> 
         <mo>
           | 
         </mo> 
         <mo>
           | 
         </mo> 
         <mi>
           Q 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mfrac> 
        <mn>
          1 
        </mn> 
        <mn>
          2 
        </mn> 
       </mfrac> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            D 
          </mi> 
          <mrow> 
           <mtext>
             KL 
           </mtext> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             P 
           </mi> 
           <mo>
             | 
           </mo> 
           <mo>
             | 
           </mo> 
           <mi>
             Q 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <msub> 
          <mi>
            D 
          </mi> 
          <mrow> 
           <mtext>
             KL 
           </mtext> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             Q 
           </mi> 
           <mo>
             | 
           </mo> 
           <mo>
             | 
           </mo> 
           <mi>
             P 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, and then define a smoothness regularizer for policy as 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          ℛ 
        </mi> 
        <mi>
          s 
        </mi> 
        <mi>
          π 
        </mi> 
       </msubsup> 
       <mo>
         = 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          E 
        </mi> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           ∼ 
         </mo> 
         <msup> 
          <mi>
            ρ 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
        </mrow> 
       </msub> 
       <msub> 
        <mrow> 
         <mi>
           max 
         </mi> 
        </mrow> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           ∈ 
         </mo> 
         <msub> 
          <mi mathvariant="double-struck">
            B 
          </mi> 
          <mi>
            d 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             ϵ 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
       <msub> 
        <mi>
          D 
        </mi> 
        <mtext>
          J 
        </mtext> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mo>
             ⋅ 
           </mo> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           | 
         </mo> 
         <mo>
           | 
         </mo> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mo>
             ⋅ 
           </mo> 
           <mo>
             | 
           </mo> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. Analogously, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          ℛ 
        </mi> 
        <mi>
          s 
        </mi> 
        <mi>
          Q 
        </mi> 
       </msubsup> 
       <mo>
         = 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          E 
        </mi> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           ~ 
         </mo> 
         <msup> 
          <mi>
            ρ 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
        </mrow> 
       </msub> 
       <msub> 
        <mrow> 
         <mi>
           max 
         </mi> 
        </mrow> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           ∈ 
         </mo> 
         <msub> 
          <mi mathvariant="double-struck">
            B 
          </mi> 
          <mi>
            d 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             ϵ 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             Q 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <mi>
             Q 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mover accent="true"> 
              <mi>
                s 
              </mi> 
              <mo>
                ^ 
              </mo> 
             </mover> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mn>
          2 
        </mn> 
       </msup> 
      </mrow> 
     </math> is the smoothness regularizer for Q-function, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          ρ 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
      </mrow> 
     </math> is state distribution.</p>
   </sec>
  </sec><sec id="s3">
   <title>
    <xref ref-type="bibr" rid="scirp.142024-"></xref>3. Offline Robustness of Distributional Actor-Critic Ensemble</title>
   <p>In ORDER, we first obtain a state with adversarial perturbations, and then introduce the smoothness regularization to both the policy and the distribution action-value function for states with adversarial noises. The smooth regularization can be used to learn a smooth Z-function and generate a smooth policy, which makes the algorithm robust. However, the introduction of smoothness could potentially result in an overestimation of values at the boundaries of the supported dataset. To overcome this problem, we incorporate a penalty factor for OOD actions to reduce the quantile values of these actions. In addition, we strengthen the quantile network by increasing the number of quantile networks, which is also beneficial to the robustness of our algorithm. The overall architecture of ORDER is shown in <xref ref-type="fig" rid="fig1">
     Figure 1
    </xref>.</p>
   <fig id="fig1" position="float">
    <label>Figure 1</label>
    <caption>
     <title>Figure 1. Architecture diagram for ORDER.</title>
    </caption>
    <graphic mimetype="image" position="float" xlink:type="simple" xlink:href="https://html.scirp.org/file/5302581-rId153.jpeg?20250418014351" />
   </fig>
   <sec id="s3_1">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>3.1. Robust Distributional Action-Value Function</title>
    <p>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>In this part, we sample three sets of state-action pairs and form three different loss functions to obtain a conservative smooth policy. First of all, we construct a perturbation set 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi mathvariant="double-struck">
          B 
        </mi> 
        <mi>
          d 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> to obtain 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> pairs, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi mathvariant="double-struck">
          B 
        </mi> 
        <mi>
          d 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> is an 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        ϵ 
      </mi> 
     </math>-radius ball measured in metric 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         d 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mo>
           ⋅ 
         </mo> 
         <mo>
           , 
         </mo> 
         <mo>
           ⋅ 
         </mo> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          s 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          B 
        </mi> 
        <mi>
          d 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. Then we sample 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mover accent="true"> 
          <mi>
            a 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> pairs from the current policy 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          π 
        </mi> 
        <mi>
          ϕ 
        </mi> 
       </msub> 
      </mrow> 
     </math>, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          a 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mo>
         ~ 
       </mo> 
       <msub> 
        <mi>
          π 
        </mi> 
        <mi>
          ϕ 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          s 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. ORDER contains 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        M 
      </mi> 
     </math> Z-function and denotes the parameters of the 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        m 
      </mi> 
     </math>-th Z-function and the target Z-function as 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          θ 
        </mi> 
        <mi>
          m 
        </mi> 
       </msub> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <msup> 
         <mi>
           θ 
         </mi> 
         <mo>
           ′ 
         </mo> 
        </msup> 
        <mi>
          m 
        </mi> 
       </msub> 
      </mrow> 
     </math>, respectively. With the help of the constructions, we will give the different learning targets for 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mover accent="true"> 
          <mi>
            a 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> pairs, respectively.</p>
    <p>SAC <xref ref-type="bibr" rid="scirp.142024-7">
      [7]
     </xref> incorporates an entropy term in its objective function to optimize both cumulative rewards and policy stochasticity, enhancing policy robustness and generalization. We also introduce an entropy term, for a 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> pair sampled from 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi mathvariant="script">
        D 
      </mi> 
     </math>, we obtain the target as</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mover accent="true"> 
         <mi mathvariant="script">
           T 
         </mi> 
         <mo>
           ^ 
         </mo> 
        </mover> 
        <mrow> 
         <mtext>
           DS 
         </mtext> 
        </mrow> 
        <mi>
          π 
        </mi> 
       </msubsup> 
       <msub> 
        <mi>
          Z 
        </mi> 
        <mrow> 
         <msub> 
          <mi>
            θ 
          </mi> 
          <mi>
            m 
          </mi> 
         </msub> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         : 
       </mo> 
       <mo>
         = 
       </mo> 
       <mi>
         R 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         + 
       </mo> 
       <mi>
         γ 
       </mi> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <munder> 
          <mrow> 
           <mtext>
             min 
           </mtext> 
          </mrow> 
          <mrow> 
           <mi>
             j 
           </mi> 
           <mo>
             = 
           </mo> 
           <mn>
             1 
           </mn> 
           <mo>
             , 
           </mo> 
           <mo>
             ⋯ 
           </mo> 
           <mo>
             , 
           </mo> 
           <mi>
             M 
           </mi> 
          </mrow> 
         </munder> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mrow> 
           <msub> 
            <msup> 
             <mi>
               θ 
             </mi> 
             <mo>
               ′ 
             </mo> 
            </msup> 
            <mi>
              j 
            </mi> 
           </msub> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <mi>
           c 
         </mi> 
         <mo>
           ⋅ 
         </mo> 
         <mi>
           log 
         </mi> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math></p>
    <p>where the next Z-function takes the minimum value among the target Z-functions. The loss function is defined as follows,</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mi>
          Z 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            θ 
          </mi> 
          <mi>
            m 
          </mi> 
         </msub> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mrow> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
          </mrow> 
         </msub> 
         <mo>
           , 
         </mo> 
         <msubsup> 
          <mover accent="true"> 
           <mi mathvariant="script">
             T 
           </mi> 
           <mo>
             ^ 
           </mo> 
          </mover> 
          <mrow> 
           <mtext>
             DS 
           </mtext> 
          </mrow> 
          <mi>
            π 
          </mi> 
         </msubsup> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mrow> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
          </mrow> 
         </msub> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         . 
       </mo> 
      </mrow> 
     </math></p>
    <p>Next, we introduce the smoothness regularizer term to the distribution action-value function that is designed to enhance the smoothness of the Z-function. Specifically, we minimize the difference between 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          Z 
        </mi> 
        <mrow> 
         <msub> 
          <mi>
            θ 
          </mi> 
          <mi>
            m 
          </mi> 
         </msub> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          Z 
        </mi> 
        <mrow> 
         <msub> 
          <mi>
            θ 
          </mi> 
          <mi>
            m 
          </mi> 
         </msub> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> is a state-action pair with a perturbed state. Then we take an adversarial 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          s 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          B 
        </mi> 
        <mi>
          d 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> which maximizes 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mrow> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mrow> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. The final smooth term we introduced is shown below:</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mrow> 
         <mtext>
           smooth 
         </mtext> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
         <mo>
           ; 
         </mo> 
         <msub> 
          <mi>
            θ 
          </mi> 
          <mi>
            m 
          </mi> 
         </msub> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <munder> 
        <mrow> 
         <mi>
           max 
         </mi> 
        </mrow> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mo>
           ∈ 
         </mo> 
         <msub> 
          <mi mathvariant="double-struck">
            B 
          </mi> 
          <mi>
            d 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             ϵ 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </munder> 
       <mi>
         ϱ 
       </mi> 
       <mo>
         ⋅ 
       </mo> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mrow> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
         <msub> 
          <mi>
            Z 
          </mi> 
          <mrow> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math>(1)</p>
    <p>where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ϱ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <mn>
           0 
         </mn> 
         <mo>
           , 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
      </mrow> 
     </math> is a factor that balances the learning of in-distribution and out-of-distribution values. Thus, for the selected 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          s 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          B 
        </mi> 
        <mi>
          d 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, we minimize Equation (1) to get a smooth Z-function. Since the actions should be near the offline data and close to the behavior actions in the dataset, we do not consider OOD action for smoothing in this part.</p>
    <p>Finally, we consider the following loss function to prevent overestimation of OOD actions.</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mrow> 
         <mtext>
           OOD 
         </mtext> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            θ 
          </mi> 
          <mi>
            m 
          </mi> 
         </msub> 
         <mo>
           , 
         </mo> 
         <mi>
           β 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mi>
         β 
       </mi> 
       <mo>
         ⋅ 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          E 
        </mi> 
        <mrow> 
         <mi>
           U 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
         <mi mathvariant="script">
           D 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            c 
          </mi> 
          <mn>
            0 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           ⋅ 
         </mo> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msub> 
            <mi>
              Z 
            </mi> 
            <mrow> 
             <msub> 
              <mi>
                θ 
              </mi> 
              <mi>
                m 
              </mi> 
             </msub> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math></p>
    <p>for some state-action dependent scale factor 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          c 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         U 
       </mi> 
       <mo>
         = 
       </mo> 
       <mtext>
         Uniform 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <mn>
             0 
           </mn> 
           <mo>
             , 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>.</p>
    <p>Incorporating both the in-distribution target and OOD target, we conclude the loss function in ORDER as follows,</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <munder> 
        <mrow> 
         <mi>
           min 
         </mi> 
        </mrow> 
        <mrow> 
         <msub> 
          <mi>
            θ 
          </mi> 
          <mi>
            m 
          </mi> 
         </msub> 
        </mrow> 
       </munder> 
       <msub> 
        <mi mathvariant="double-struck">
          E 
        </mi> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           r 
         </mi> 
         <mo>
           , 
         </mo> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
         <mo>
           ~ 
         </mo> 
         <mi mathvariant="script">
           D 
         </mi> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            ℒ 
          </mi> 
          <mi>
            Z 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mi>
           α 
         </mi> 
         <msub> 
          <mi>
            ℒ 
          </mi> 
          <mrow> 
           <mtext>
             smooth 
           </mtext> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
           <mo>
             ; 
           </mo> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <msub> 
          <mi>
            ℒ 
          </mi> 
          <mrow> 
           <mtext>
             OOD 
           </mtext> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              θ 
            </mi> 
            <mi>
              m 
            </mi> 
           </msub> 
           <mo>
             , 
           </mo> 
           <mi>
             β 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
       <mo>
         . 
       </mo> 
      </mrow> 
     </math>(2)</p>
   </sec>
   <sec id="s3_2">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>3.2. Robust Policy</title>
    <p>With the above smooth limits, we can learn a robust policy with fewer policy changes under perturbations. We choose a state 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          s 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          B 
        </mi> 
        <mi>
          d 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> as mentioned above which is maximizing 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          D 
        </mi> 
        <mtext>
          J 
        </mtext> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            π 
          </mi> 
          <mi>
            ϕ 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mo>
             ⋅ 
           </mo> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           | 
         </mo> 
         <mo>
           | 
         </mo> 
         <msub> 
          <mi>
            π 
          </mi> 
          <mi>
            ϕ 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mo>
             ⋅ 
           </mo> 
           <mo>
             | 
           </mo> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. Consequently, our loss function for policy is as follows:</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <munder> 
        <mrow> 
         <mtext>
           min 
         </mtext> 
        </mrow> 
        <mi>
          ϕ 
        </mi> 
       </munder> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <msub> 
          <mi mathvariant="double-struck">
            E 
          </mi> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             r 
           </mi> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             ~ 
           </mo> 
           <mi mathvariant="script">
             D 
           </mi> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <munder> 
            <mrow> 
             <mtext>
               min 
             </mtext> 
            </mrow> 
            <mrow> 
             <mi>
               j 
             </mi> 
             <mo>
               = 
             </mo> 
             <mn>
               1 
             </mn> 
             <mo>
               , 
             </mo> 
             <mo>
               ⋯ 
             </mo> 
             <mo>
               , 
             </mo> 
             <mi>
               M 
             </mi> 
            </mrow> 
           </munder> 
           <msubsup> 
            <mi>
              Φ 
            </mi> 
            <mi>
              g 
            </mi> 
            <mi>
              j 
            </mi> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <msub> 
            <mi>
              α 
            </mi> 
            <mn>
              1 
            </mn> 
           </msub> 
           <munder> 
            <mrow> 
             <mtext>
               max 
             </mtext> 
            </mrow> 
            <mrow> 
             <mover accent="true"> 
              <mi>
                s 
              </mi> 
              <mo>
                ^ 
              </mo> 
             </mover> 
             <mo>
               ∈ 
             </mo> 
             <msub> 
              <mi mathvariant="double-struck">
                B 
              </mi> 
              <mi>
                d 
              </mi> 
             </msub> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 ϵ 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </munder> 
           <msub> 
            <mi>
              D 
            </mi> 
            <mtext>
              J 
            </mtext> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <msub> 
              <mi>
                π 
              </mi> 
              <mi>
                ϕ 
              </mi> 
             </msub> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mo>
                 ⋅ 
               </mo> 
               <mo>
                 | 
               </mo> 
               <mi>
                 s 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               | 
             </mo> 
             <mo>
               | 
             </mo> 
             <msub> 
              <mi>
                π 
              </mi> 
              <mi>
                ϕ 
              </mi> 
             </msub> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mo>
                 ⋅ 
               </mo> 
               <mo>
                 | 
               </mo> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <mi>
             log 
           </mi> 
           <msub> 
            <mi>
              π 
            </mi> 
            <mi>
              ϕ 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               a 
             </mi> 
             <mo>
               | 
             </mo> 
             <mi>
               s 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math> (3)</p>
    <p>where the first term is designed to get a conservative policy by maximizing the minimum of the distributional functions ensemble and the last term is a regularization term.</p>
   </sec>
   <sec id="s3_3">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>3.3. Implementation Details</title>
    <p>In this subsection, we integrate the distributional evaluation and policy improvement algorithms introduced in Section 3.1 and Section 3.2 into the actor-critic framework. With the loss function introduced in Equation (2), it is natural to get the following iterative formula for 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Z 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
      </mrow> 
     </math> by starting from an arbitrary 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mover accent="true"> 
         <mi>
           Z 
         </mi> 
         <mo>
           ˜ 
         </mo> 
        </mover> 
        <mn>
          0 
        </mn> 
       </msup> 
      </mrow> 
     </math>,</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable> 
       <mtr> 
        <mtd> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ˜ 
           </mo> 
          </mover> 
          <mrow> 
           <mi>
             k 
           </mi> 
           <mo>
             + 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <mo>
           = 
         </mo> 
         <munder> 
          <mrow> 
           <mi>
             arg 
           </mi> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mi>
            Z 
          </mi> 
         </munder> 
         <mrow> 
          <mo>
            { 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <msubsup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <mtext>
                 DS 
               </mtext> 
              </mrow> 
              <mi>
                π 
              </mi> 
             </msubsup> 
             <msup> 
              <mover accent="true"> 
               <mi>
                 Z 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mi>
                k 
              </mi> 
             </msup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <munder> 
            <mrow> 
             <mtext>
               max 
             </mtext> 
            </mrow> 
            <mover accent="true"> 
             <mi>
               s 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
           </munder> 
           <mi>
             ϱ 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mo>
           + 
         </mo> 
         <mrow> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi mathvariant="double-struck">
              E 
            </mi> 
            <mrow> 
             <mi>
               U 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <mi mathvariant="script">
               D 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <msub> 
              <mi>
                c 
              </mi> 
              <mn>
                0 
              </mn> 
             </msub> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               ⋅ 
             </mo> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            } 
          </mo> 
         </mrow> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math>(4)</p>
    <p>Following <xref ref-type="bibr" rid="scirp.142024-17">
      [17]
     </xref>, we suggest employing a min-max objective in which the inner loop selects the current policy to maximize the objective, while the outer loop is responsible for minimizing the objective with respect to this policy:</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable> 
       <mtr> 
        <mtd> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ˜ 
           </mo> 
          </mover> 
          <mrow> 
           <mi>
             k 
           </mi> 
           <mo>
             + 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <mo>
           = 
         </mo> 
         <munder> 
          <mrow> 
           <mi>
             arg 
           </mi> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mi>
            Z 
          </mi> 
         </munder> 
         <munder> 
          <mrow> 
           <mtext>
             max 
           </mtext> 
          </mrow> 
          <mi>
            μ 
          </mi> 
         </munder> 
         <mrow> 
          <mo>
            { 
          </mo> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi mathvariant="double-struck">
              E 
            </mi> 
            <mrow> 
             <mi>
               U 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <msub> 
              <mi mathvariant="double-struck">
                E 
              </mi> 
              <mrow> 
               <mi mathvariant="script">
                 D 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 , 
               </mo> 
               <mi>
                 μ 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mover accent="true"> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ˜ 
                  </mo> 
                 </mover> 
                 <mo>
                   | 
                 </mo> 
                 <mi>
                   s 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </msub> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mover accent="true"> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ˜ 
                  </mo> 
                 </mover> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <msub> 
              <mi mathvariant="double-struck">
                E 
              </mi> 
              <mrow> 
               <mi mathvariant="script">
                 D 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </msub> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
          </mrow> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mo>
           + 
         </mo> 
         <msub> 
          <mi>
            ℒ 
          </mi> 
          <mi>
            p 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             Z 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             , 
           </mo> 
           <msubsup> 
            <mover accent="true"> 
             <mi mathvariant="script">
               T 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
            <mrow> 
             <mtext>
               DS 
             </mtext> 
            </mrow> 
            <mrow> 
             <msup> 
              <mi>
                π 
              </mi> 
              <mi>
                k 
              </mi> 
             </msup> 
            </mrow> 
           </msubsup> 
           <msup> 
            <mover accent="true"> 
             <mi>
               Z 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
            <mi>
              k 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mrow> 
          <mrow> 
           <munder> 
            <mrow> 
             <mtext>
               max 
             </mtext> 
            </mrow> 
            <mover accent="true"> 
             <mi>
               s 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
           </munder> 
           <mi>
             ϱ 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            } 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        μ 
      </mi> 
     </math> is an actor policy. To establish a well-posed optimization problem, we introduce a regularization term in the original objective. Detailed analysis procedures are provided in Appendix A.1. The final optimization objective becomes</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable> 
       <mtr> 
        <mtd> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ˜ 
           </mo> 
          </mover> 
          <mrow> 
           <mi>
             k 
           </mi> 
           <mo>
             + 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <mo>
           = 
         </mo> 
         <munder> 
          <mrow> 
           <mi>
             arg 
           </mi> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mi>
            Z 
          </mi> 
         </munder> 
         <mrow> 
          <mo>
            { 
          </mo> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi mathvariant="double-struck">
              E 
            </mi> 
            <mrow> 
             <mi>
               U 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <msub> 
              <mi mathvariant="double-struck">
                E 
              </mi> 
              <mrow> 
               <mi mathvariant="script">
                 D 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </msub> 
             <mi>
               log 
             </mi> 
             <munder> 
              <mstyle displaystyle="true" mathsize="140%"> 
               <mo>
                 ∑ 
               </mo> 
              </mstyle> 
              <mi>
                a 
              </mi> 
             </munder> 
             <mi>
               exp 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <msub> 
              <mi mathvariant="double-struck">
                E 
              </mi> 
              <mrow> 
               <mi mathvariant="script">
                 D 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </msub> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
          </mrow> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mrow> 
          <mrow> 
           <mover> 
            <mtext>
                
            </mtext> 
            <mtext>
                
            </mtext> 
           </mover> 
           <mo>
             + 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <msubsup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <mtext>
                 DS 
               </mtext> 
              </mrow> 
              <mrow> 
               <msup> 
                <mi>
                  π 
                </mi> 
                <mi>
                  k 
                </mi> 
               </msup> 
              </mrow> 
             </msubsup> 
             <msup> 
              <mover accent="true"> 
               <mi>
                 Z 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mi>
                k 
              </mi> 
             </msup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <munder> 
            <mrow> 
             <mtext>
               max 
             </mtext> 
            </mrow> 
            <mover accent="true"> 
             <mi>
               s 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
           </munder> 
           <mi>
             ϱ 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            } 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         U 
       </mi> 
       <mo>
         = 
       </mo> 
       <mtext>
         Uniform 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <mn>
             0 
           </mn> 
           <mo>
             , 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. To perform optimization with respect to the distribution 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        Z 
      </mi> 
     </math>, we express the quantile function using a neural network 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          G 
        </mi> 
        <mi>
          θ 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           τ 
         </mi> 
         <mo>
           ; 
         </mo> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≈ 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. In order to calculate 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mo>
           , 
         </mo> 
         <msup> 
          <mi>
            Z 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msub> 
        <mi>
          W 
        </mi> 
        <mi>
          p 
        </mi> 
       </msub> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             Z 
           </mi> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mi>
          p 
        </mi> 
       </msup> 
      </mrow> 
     </math> <xref ref-type="bibr" rid="scirp.142024-22">
      [22]
     </xref>, we minimize the weighted pairwise Huber regression loss of various quantile fractions. 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        τ 
      </mi> 
     </math>-Huber quantile regression loss <xref ref-type="bibr" rid="scirp.142024-23">
      [23]
     </xref> with threshold 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        κ 
      </mi> 
     </math> is represented as</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mi>
          κ 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           δ 
         </mi> 
         <mo>
           ; 
         </mo> 
         <mi>
           τ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mtable columnalign="left"> 
          <mtr columnalign="left"> 
           <mtd columnalign="left"> 
            <mrow> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mrow> 
               <mi>
                 τ 
               </mi> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
               <mrow> 
                <mo>
                  { 
                </mo> 
                <mrow> 
                 <mi>
                   δ 
                 </mi> 
                 <mo>
                   &lt; 
                 </mo> 
                 <mn>
                   0 
                 </mn> 
                </mrow> 
                <mo>
                  } 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                | 
              </mo> 
             </mrow> 
             <mo>
               ⋅ 
             </mo> 
             <mrow> 
              <mrow> 
               <msup> 
                <mi>
                  δ 
                </mi> 
                <mn>
                  2 
                </mn> 
               </msup> 
              </mrow> 
              <mo>
                / 
              </mo> 
              <mrow> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mn>
                   2 
                 </mn> 
                 <mi>
                   κ 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </mrow> 
             <mo>
               , 
             </mo> 
            </mrow> 
           </mtd> 
           <mtd columnalign="left"> 
            <mrow> 
             <mtext>
               if 
             </mtext> 
             <mtext>
                 
             </mtext> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mi>
                δ 
              </mi> 
              <mo>
                | 
              </mo> 
             </mrow> 
             <mo>
               ≤ 
             </mo> 
             <mi>
               κ 
             </mi> 
             <mo>
               , 
             </mo> 
            </mrow> 
           </mtd> 
          </mtr> 
          <mtr columnalign="left"> 
           <mtd columnalign="left"> 
            <mrow> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mrow> 
               <mi>
                 τ 
               </mi> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
               <mrow> 
                <mo>
                  { 
                </mo> 
                <mrow> 
                 <mi>
                   δ 
                 </mi> 
                 <mo>
                   &lt; 
                 </mo> 
                 <mn>
                   0 
                 </mn> 
                </mrow> 
                <mo>
                  } 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                | 
              </mo> 
             </mrow> 
             <mo>
               ⋅ 
             </mo> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mrow> 
                <mo>
                  | 
                </mo> 
                <mi>
                  δ 
                </mi> 
                <mo>
                  | 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <mrow> 
                <mi>
                  κ 
                </mi> 
                <mo>
                  / 
                </mo> 
                <mn>
                  2 
                </mn> 
               </mrow> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
            </mrow> 
           </mtd> 
           <mtd columnalign="left"> 
            <mrow> 
             <mtext>
               otherwise 
             </mtext> 
             <mo>
               , 
             </mo> 
            </mrow> 
           </mtd> 
          </mtr> 
         </mtable> 
        </mrow> 
       </mrow> 
      </mrow> 
     </math></p>
    <p>where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         τ 
       </mi> 
       <mo>
         , 
       </mo> 
       <msup> 
        <mi>
          τ 
        </mi> 
        <mo>
          ′ 
        </mo> 
       </msup> 
       <mo>
         ~ 
       </mo> 
       <mi>
         U 
       </mi> 
      </mrow> 
     </math> are random quantiles, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         δ 
       </mi> 
       <mo>
         = 
       </mo> 
       <mi>
         r 
       </mi> 
       <mo>
         + 
       </mo> 
       <mi>
         γ 
       </mi> 
       <msub> 
        <mi>
          G 
        </mi> 
        <msup> 
         <mi>
           θ 
         </mi> 
         <mo>
           ′ 
         </mo> 
        </msup> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msup> 
          <mi>
            τ 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
         <mo>
           ; 
         </mo> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
         <mo>
           , 
         </mo> 
         <msup> 
          <mi>
            a 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         − 
       </mo> 
       <msub> 
        <mi>
          G 
        </mi> 
        <mi>
          θ 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           τ 
         </mi> 
         <mo>
           ; 
         </mo> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           r 
         </mi> 
         <mo>
           , 
         </mo> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ~ 
       </mo> 
       <mi mathvariant="script">
         D 
       </mi> 
      </mrow> 
     </math>, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          a 
        </mi> 
        <mo>
          ′ 
        </mo> 
       </msup> 
       <mo>
         ~ 
       </mo> 
       <mi>
         π 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mo>
           ⋅ 
         </mo> 
         <mo>
           | 
         </mo> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. More details for the algorithm ORDER are presented in Algorithm 1.</p>
   </sec>
   <sec id="s3_4">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>3.4. Theoretical Analysis</title>
    <p>Before presenting our theorems, similar to <xref ref-type="bibr" rid="scirp.142024-15">
      [15]
     </xref>, we first give some assumptions about the MDP and dataset. Next, we assume that the search space in Equation (4) includes all possible functions.</p>
    <p>Assumption 1. For all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         S 
       </mi> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math>, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mi>
            Z 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
      </mrow> 
     </math> is smooth. Furthermore, the search space of the minimum over Z in Equation (4) is overall smooth functions 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
      </mrow> 
     </math>. </p>
    <p>The assumption is given to guarantee the boundness of the 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        p 
      </mi> 
     </math>-th moments of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Z 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> as well as 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Z 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         Z 
       </mi> 
      </mrow> 
     </math>.</p>
    <p>Assumption 2. For all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         S 
       </mi> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math>, there exists 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ζ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi>
          ℝ 
        </mi> 
        <mrow> 
         <mo>
           &gt; 
         </mo> 
         <mn>
           0 
         </mn> 
        </mrow> 
       </msub> 
      </mrow> 
     </math>, such that 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mi>
            Z 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
      </mrow> 
     </math> is 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        ζ 
      </mi> 
     </math>-strongly monotone, i.e., 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <msup> 
         <mi>
           F 
         </mi> 
         <mo>
           ′ 
         </mo> 
        </msup> 
        <mrow> 
         <msup> 
          <mi>
            Z 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          x 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≥ 
       </mo> 
       <mi>
         ζ 
       </mi> 
      </mrow> 
     </math>. </p>
    <p>This assumption is only designed to ensure the convergence of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mi>
            Z 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          x 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> in our theoretical analysis. In algorithm implementation, we introduce a policy smoothing term and choose the minimum value of the Z-function in the ensemble to restrict the policy update amplitude, thus implicitly satisfying monotonicity. Next, we assume that the infinite norm of two quantiles with perturbation is restricted by a fixed constant.</p>
    <p>Assumption 3. For all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         S 
       </mi> 
      </mrow> 
     </math>, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math> and the selected 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mover accent="true"> 
        <mi>
          s 
        </mi> 
        <mo>
          ^ 
        </mo> 
       </mover> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi mathvariant="double-struck">
          B 
        </mi> 
        <mi>
          d 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           ϵ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, we assume that 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mrow> 
         <mrow> 
          <mo>
            ‖ 
          </mo> 
          <mrow> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mo>
             − 
           </mo> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
          </mrow> 
          <mo>
            ‖ 
          </mo> 
         </mrow> 
        </mrow> 
        <mi>
          ∞ 
        </mi> 
       </msub> 
       <mo>
         ≤ 
       </mo> 
       <mi>
         σ 
       </mi> 
      </mrow> 
     </math>, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        σ 
      </mi> 
     </math> is constant. </p>
    <p>In the above assumption, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mrow> 
         <mrow> 
          <mo>
            ‖ 
          </mo> 
          <mrow> 
           <mtext>
               
           </mtext> 
           <mo>
             ⋅ 
           </mo> 
           <mtext>
               
           </mtext> 
          </mrow> 
          <mo>
            ‖ 
          </mo> 
         </mrow> 
        </mrow> 
        <mi>
          ∞ 
        </mi> 
       </msub> 
      </mrow> 
     </math> represents the infinite norm. Since perturbed observation 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mover accent="true"> 
       <mi>
         s 
       </mi> 
       <mo>
         ^ 
       </mo> 
      </mover> 
     </math> is randomly sampling from an 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℓ 
        </mi> 
        <mi>
          ∞ 
        </mi> 
       </msub> 
      </mrow> 
     </math> ball of norm 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        ϵ 
      </mi> 
     </math>, the assumption is reasonable.</p>
    <p>Finally, we assume 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         p 
       </mi> 
       <mo>
         &gt; 
       </mo> 
       <mn>
         1 
       </mn> 
      </mrow> 
     </math>. Therefore, we derive the following lemma which characterizes the conservative distribution soft evaluation iterates 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         Z 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> with the distributional soft Bellman operator.</p>
    <p>Lemma 1. Suppose Assumptions 1 - 3 hold. For all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         D 
       </mi> 
      </mrow> 
     </math>, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math>, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         k 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi>
         ℕ 
       </mi> 
      </mrow> 
     </math>, and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         τ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <mn>
           0 
         </mn> 
         <mo>
           , 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, we have 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msubsup> 
          <mover accent="true"> 
           <mi mathvariant="script">
             T 
           </mi> 
           <mo>
             ^ 
           </mo> 
          </mover> 
          <mrow> 
           <mtext>
             DS 
           </mtext> 
          </mrow> 
          <mi>
            π 
          </mi> 
         </msubsup> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ^ 
           </mo> 
          </mover> 
          <mi>
            k 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         − 
       </mo> 
       <mi>
         c 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         c 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            | 
          </mo> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <msup> 
            <mi>
              p 
            </mi> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msup> 
           <msub> 
            <mi>
              c 
            </mi> 
            <mn>
              0 
            </mn> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             ± 
           </mo> 
           <msup> 
            <mi>
              σ 
            </mi> 
            <mrow> 
             <mi>
               p 
             </mi> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msup> 
          </mrow> 
          <mo>
            | 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mfrac> 
          <mn>
            1 
          </mn> 
          <mrow> 
           <mi>
             p 
           </mi> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </mfrac> 
        </mrow> 
       </msup> 
       <mo>
         ⋅ 
       </mo> 
       <mtext>
         sign 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            c 
          </mi> 
          <mn>
            0 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. </p>
    <p>For detailed proof, please refer to Appendix B.2. Briefly, it is according to the result of a simple variational skill to handle that F is a function, and setting the derivative of Equation (4) equal to zero.</p>
    <p>Next, we define the conservative soft distributional evaluation operator 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mover accent="true"> 
         <mi mathvariant="script">
           T 
         </mi> 
         <mo>
           ˜ 
         </mo> 
        </mover> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mo>
         = 
       </mo> 
       <msub> 
        <mi mathvariant="script">
          O 
        </mi> 
        <mi>
          c 
        </mi> 
       </msub> 
       <msubsup> 
        <mover accent="true"> 
         <mi mathvariant="script">
           T 
         </mi> 
         <mo>
           ^ 
         </mo> 
        </mover> 
        <mrow> 
         <mtext>
           DS 
         </mtext> 
        </mrow> 
        <mi>
          π 
        </mi> 
       </msubsup> 
      </mrow> 
     </math> by compositing 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mover accent="true"> 
         <mi mathvariant="script">
           T 
         </mi> 
         <mo>
           ^ 
         </mo> 
        </mover> 
        <mrow> 
         <mtext>
           DS 
         </mtext> 
        </mrow> 
        <mi>
          π 
        </mi> 
       </msubsup> 
      </mrow> 
     </math> and the shift operator 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi mathvariant="script">
          O 
        </mi> 
        <mi>
          c 
        </mi> 
       </msub> 
       <mo>
         : 
       </mo> 
       <mi mathvariant="script">
         Z 
       </mi> 
       <mo>
         → 
       </mo> 
       <mi mathvariant="script">
         Z 
       </mi> 
      </mrow> 
     </math>, which is defined by 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msub> 
          <mi mathvariant="script">
            O 
          </mi> 
          <mi>
            c 
          </mi> 
         </msub> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         − 
       </mo> 
       <mi>
         c 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. Consequently, it is following that 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mover accent="true"> 
         <mi>
           Z 
         </mi> 
         <mo>
           ˜ 
         </mo> 
        </mover> 
        <mrow> 
         <mi>
           k 
         </mi> 
         <mo>
           + 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msup> 
       <mo>
         = 
       </mo> 
       <msup> 
        <mover accent="true"> 
         <mi mathvariant="script">
           T 
         </mi> 
         <mo>
           ˜ 
         </mo> 
        </mover> 
        <mi>
          π 
        </mi> 
       </msup> 
       <msup> 
        <mover accent="true"> 
         <mi>
           Z 
         </mi> 
         <mo>
           ˜ 
         </mo> 
        </mover> 
        <mi>
          k 
        </mi> 
       </msup> 
      </mrow> 
     </math>.</p>
    <p>Now, the main theorem we came up with shows that the conservative distributional soft evaluation obtains a conservative quantile estimate of the true quantile at all quantiles 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        τ 
      </mi> 
     </math>.</p>
    <p>Theorem 1. For any 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         δ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi>
          ℝ 
        </mi> 
        <mrow> 
         <mo>
           &gt; 
         </mo> 
         <mn>
           0 
         </mn> 
        </mrow> 
       </msub> 
       <mo>
         , 
       </mo> 
       <msub> 
        <mi>
          c 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         &gt; 
       </mo> 
       <mn>
         0 
       </mn> 
      </mrow> 
     </math>, with probability at least 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mn>
         1 
       </mn> 
       <mo>
         − 
       </mo> 
       <mi>
         δ 
       </mi> 
      </mrow> 
     </math>, we have </p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mi>
            Z 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≥ 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ˜ 
           </mo> 
          </mover> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         + 
       </mo> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mn>
             1 
           </mn> 
           <mo>
             − 
           </mo> 
           <mi>
             γ 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msup> 
       <munder> 
        <mrow> 
         <mtext>
           min 
         </mtext> 
        </mrow> 
        <mrow> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
         <mo>
           , 
         </mo> 
         <msup> 
          <mi>
            a 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
        </mrow> 
       </munder> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mi>
           c 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <mfrac> 
          <mn>
            1 
          </mn> 
          <mi>
            ζ 
          </mi> 
         </mfrac> 
         <msqrt> 
          <mrow> 
           <mfrac> 
            <mrow> 
             <mn>
               5 
             </mn> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mi mathvariant="script">
                S 
              </mi> 
              <mo>
                | 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mi>
               n 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 , 
               </mo> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </mfrac> 
           <mtext>
             log 
           </mtext> 
           <mfrac> 
            <mrow> 
             <mn>
               4 
             </mn> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mi mathvariant="script">
                S 
              </mi> 
              <mo>
                | 
              </mo> 
             </mrow> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mi mathvariant="script">
                A 
              </mi> 
              <mo>
                | 
              </mo> 
             </mrow> 
            </mrow> 
            <mi>
              δ 
            </mi> 
           </mfrac> 
          </mrow> 
         </msqrt> 
        </mrow> 
        <mo>
          } 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math></p>
    <p>for all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         D 
       </mi> 
       <mo>
         , 
       </mo> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math>, and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         τ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <mn>
           0 
         </mn> 
         <mo>
           , 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. Furthermore, for 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         β 
       </mi> 
       <mo>
         ≥ 
       </mo> 
       <msub> 
        <mrow> 
         <mtext>
           max 
         </mtext> 
        </mrow> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mfrac> 
          <mrow> 
           <mi>
             p 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mtext>
               Δ 
             </mtext> 
             <msup> 
              <mrow> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mi>
                 p 
               </mi> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msup> 
             <mo>
               + 
             </mo> 
             <msup> 
              <mi>
                σ 
              </mi> 
              <mrow> 
               <mi>
                 p 
               </mi> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msup> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <msub> 
            <mi>
              c 
            </mi> 
            <mn>
              0 
            </mn> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </mfrac> 
        </mrow> 
        <mo>
          } 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, we have 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mi>
            Z 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≥ 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ˜ 
           </mo> 
          </mover> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>.</p>
    <p>For detailed proof, please refer to Appendix B.2. As the theorem shows, the above inequality indicates that the quantile estimates obtained by 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mover accent="true"> 
         <mi mathvariant="script">
           T 
         </mi> 
         <mo>
           ˜ 
         </mo> 
        </mover> 
        <mi>
          π 
        </mi> 
       </msup> 
      </mrow> 
     </math> are a lower bound of the true quantiles. Furthermore, we give a sufficient condition to show that the result given in Theorem 1 is not a vacuous conclusion. Therefore, Theorem 1 theoretically illustrates that ORDER does not exacerbate the distribution shift problem, and the mitigation of the distribution shift problem will be demonstrated in the experimental section.</p>
    <p>The performance of many RL algorithms will exhibit different behaviors under different distorted expectations. Consequently, we can acquire the same conservative estimates of these objectives, which is a kind of generalization of Theorem 1.</p>
    <p>Corollary 1 For any 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         δ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi>
          ℝ 
        </mi> 
        <mrow> 
         <mo>
           &gt; 
         </mo> 
         <mn>
           0 
         </mn> 
        </mrow> 
       </msub> 
      </mrow> 
     </math>, 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          c 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         &gt; 
       </mo> 
       <mn>
         0 
       </mn> 
      </mrow> 
     </math>, sufficiently large 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        β 
      </mi> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         g 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, with probability at least 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mn>
         1 
       </mn> 
       <mo>
         − 
       </mo> 
       <mi>
         δ 
       </mi> 
      </mrow> 
     </math>, for all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         D 
       </mi> 
       <mo>
         , 
       </mo> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math>, we have 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          Φ 
        </mi> 
        <mi>
          g 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msup> 
          <mi>
            Z 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≥ 
       </mo> 
       <msub> 
        <mi>
          Φ 
        </mi> 
        <mi>
          g 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ˜ 
           </mo> 
          </mover> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>.</p>
    <p>In particular, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msup> 
        <mi>
          Q 
        </mi> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≥ 
       </mo> 
       <msup> 
        <mover accent="true"> 
         <mi>
           Q 
         </mi> 
         <mo>
           ˜ 
         </mo> 
        </mover> 
        <mi>
          π 
        </mi> 
       </msup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> is obtained if we take 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         g 
       </mi> 
       <mo>
         = 
       </mo> 
       <mtext>
         Uniform 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <mn>
             0 
           </mn> 
           <mo>
             , 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. By choosing different risk measure functions, we can apply this conclusion to any risk-sensitive offline RL.</p>
   </sec>
  </sec><sec id="s4">
   <title>
    <xref ref-type="bibr" rid="scirp.142024-"></xref>4. Related Works</title>
   <p>Offline RL <xref ref-type="bibr" rid="scirp.142024-1">
     [1]
    </xref> <xref ref-type="bibr" rid="scirp.142024-24">
     [24]
    </xref>-<xref ref-type="bibr" rid="scirp.142024-26">
     [26]
    </xref> learns a policy from previously collected static datasets. As a subfield of RL <xref ref-type="bibr" rid="scirp.142024-27">
     [27]
    </xref> <xref ref-type="bibr" rid="scirp.142024-28">
     [28]
    </xref>, it has achieved significant accomplishments in practice <xref ref-type="bibr" rid="scirp.142024-4">
     [4]
    </xref>-<xref ref-type="bibr" rid="scirp.142024-6">
     [6]
    </xref> <xref ref-type="bibr" rid="scirp.142024-29">
     [29]
    </xref>. However, the main two challenges of offline RL are the distribution shift problem and robustness <xref ref-type="bibr" rid="scirp.142024-26">
     [26]
    </xref> <xref ref-type="bibr" rid="scirp.142024-30">
     [30]
    </xref> <xref ref-type="bibr" rid="scirp.142024-31">
     [31]
    </xref>, which require various techniques to improve the stability and performance of learned policies.</p>
   <sec id="s4_1">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>4.1. Distribution Shift</title>
    <p>The cause of the distribution shift problem is that the distribution of collected offline training data differs from the distribution of data in practice. BCQ <xref ref-type="bibr" rid="scirp.142024-9">
      [9]
     </xref> addresses this problem through policy regularization techniques, which formulates the policy as an adaptable deviation constrained by maximum values <xref ref-type="bibr" rid="scirp.142024-32">
      [32]
     </xref>. One solution to alleviate the distribution shift problem as mentioned in BEAR <xref ref-type="bibr" rid="scirp.142024-33">
      [33]
     </xref> is incorporating a weighted behavior-cloning loss achieved by minimizing maximum mean discrepancy (MMD) into the policy improvement step. Though learning a conservative Q-function caused by distribution shift, CQL <xref ref-type="bibr" rid="scirp.142024-17">
      [17]
     </xref> solves the overestimation of value functions, which theoretically proves that a lower bound of the true value is obtained. With the introduction of distributional reinforcement learning into offline RL, CODAC <xref ref-type="bibr" rid="scirp.142024-15">
      [15]
     </xref> learns a conservative return distribution by punishing the predicted quantiles returned for the OOD actions. From another perspective, continuous quantiles are used in MQN-CQR <xref ref-type="bibr" rid="scirp.142024-16">
      [16]
     </xref> to learn the quantile of return distribution with non-crossing guarantees. ORDER builds on these approaches, but considers the entropy regularizer of quantile function instead of an unchangeable constant for ensuring sufficient exploration and may relieve the training imbalance.</p>
   </sec>
   <sec id="s4_2">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>4.2. Robustness Issues</title>
    <p>Owning to the distribution shift issues, current offline RL algorithms tend to prioritize caution in their approach to value estimation and action selection. Nevertheless, this selection can compromise the robustness of learned policies, making them highly sensitive to even minor perturbations in observations. As a groundbreaking piece of work, SR<sup>2</sup>L <xref ref-type="bibr" rid="scirp.142024-21">
      [21]
     </xref> achieves a more robust policy by introducing a smoothness regularizer into both the value function and the policy. A robust Q-learning algorithm proposed in REM <xref ref-type="bibr" rid="scirp.142024-30">
      [30]
     </xref> is presented that integrates multiple Q-value networks in a random convex combination of multiple Q-value estimates, ensuring that the final Q-value estimate remains robust. With arbitrarily large state spaces, RFQI <xref ref-type="bibr" rid="scirp.142024-34">
      [34]
     </xref> learns the optimal policy by employing function approximation using only an offline dataset and addresses robust offline reinforcement learning problems. In ORDER, we import the smoothing regularizer to the distribution functions and policies instead of simple action-value functions.</p>
    <p>Our method is related to the previous offline RL algorithms based on constraining the learned value function <xref ref-type="bibr" rid="scirp.142024-17">
      [17]
     </xref> <xref ref-type="bibr" rid="scirp.142024-35">
      [35]
     </xref>. What sets our method apart is that it can better capture uncertain information about OOD actions and learn more robust policies with the introduction of the smoothing technique into distributional reinforcement learning. In addition, we enhance the network by using the entropy regularizer of quantile networks and increasing the number of network ensembles, which also improves robustness.</p>
   </sec>
  </sec><sec id="s5">
   <title>
    <xref ref-type="bibr" rid="scirp.142024-"></xref>5. Experiments</title>
   <p>In the sequel, we first compare ORDER against some offline RL algorithms. Then how different risk measure functions impact our proposed algorithm is investigated in Section 5.2. Besides, Section 5.3 shows the ensemble size of the quantile network in ORDER. And our approach significantly exceeds the baseline algorithm in most tasks.</p>
   <p>We evaluate our experiments on the D4RL benchmark <xref ref-type="bibr" rid="scirp.142024-18">
     [18]
    </xref> with various continuous control tasks and datasets. Specifically, we employ three environments (HalfCheetah, Hopper and Walker2d) and four dataset types (random, medium, medium-replay, and medium-expert). The random or medium dataset is generated by a single random or medium policy. The medium-replay dataset contains experiences collected in training a medium-level policy, and the medium-expert dataset is a mixture of medium and expert datasets.</p>
   <sec id="s5_1">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>5.1. Comparison with Offline RL Algorithms</title>
    <p>In all the aforementioned datasets, we compare our method against several previous popular offline RL algorithms, including 1) bootstrapping error accumulation reduction (BEAR) <xref ref-type="bibr" rid="scirp.142024-33">
      [33]
     </xref>, 2) conservative q-learning (CQL) <xref ref-type="bibr" rid="scirp.142024-17">
      [17]
     </xref>, 3) CODAC <xref ref-type="bibr" rid="scirp.142024-15">
      [15]
     </xref>, 4) robust offline reinforcement learning (RORL) <xref ref-type="bibr" rid="scirp.142024-36">
      [36]
     </xref>, 5) monotonic quantile network with conservative quantile regression (MQN-CQR) <xref ref-type="bibr" rid="scirp.142024-16">
      [16]
     </xref>. The results of BEAR and CQL are directly taken from <xref ref-type="bibr" rid="scirp.142024-18">
      [18]
     </xref>. For CODAC and MQN-CQR, their results are taken from the original paper. Since the RORL paper does not report scores with five random seeds, we run the RORL using the official code base. Implementation details are given in Appendix D. <xref ref-type="table" rid="tableA1">
      Table A1
     </xref> and <xref ref-type="table" rid="tableA2">
      Table A2
     </xref> list the hyperparameters of ORDER in different datasets. Without loss of generality, we employ the neutral risk measure in this subsection.</p>
    <table-wrap id="table1">
     <label>
      <xref ref-type="table" rid="table1">
       Table 1
      </xref></label>
     <caption>
      <title>
       <xref ref-type="bibr" rid="scirp.142024-"></xref>Table 1. Normalized average returns on D4RL benchmark, averaged over five random seeds. “r”, “m”, “m-r” and “m-e” indicate the abbreviations of random, medium, medium-replay and medium-expert, respectively. All methods are run for 1M gradient steps.</title>
     </caption>
     <table class="MsoTableGrid custom-table" border="0" cellspacing="0" cellpadding="0"> 
      <tr> 
       <td class="custom-bottom-td acenter" width="14.29%"><p style="text-align:center">Datasets</p></td> 
       <td class="custom-bottom-td acenter" width="14.29%"><p style="text-align:center">BEAR</p></td> 
       <td class="custom-bottom-td acenter" width="14.29%"><p style="text-align:center">CQL</p></td> 
       <td class="custom-bottom-td acenter" width="14.29%"><p style="text-align:center">CODAC</p></td> 
       <td class="custom-bottom-td acenter" width="14.29%"><p style="text-align:center">RORL</p><p style="text-align:center">(Reproduced)</p></td> 
       <td class="custom-bottom-td acenter" width="14.29%"><p style="text-align:center">MQN-CQR</p></td> 
       <td class="custom-bottom-td acenter" width="14.29%"><p style="text-align:center">ORDER</p></td> 
      </tr> 
      <tr> 
       <td class="custom-top-td acenter" width="14.29%"><p style="text-align:center">hopper-r</p></td> 
       <td class="custom-top-td acenter" width="14.29%"><p style="text-align:center">3.9 ± 2.3</p></td> 
       <td class="custom-top-td acenter" width="14.29%"><p style="text-align:center">7.9 ± 0.4</p></td> 
       <td class="custom-top-td acenter" width="14.29%"><p style="text-align:center">11.0 ± 0.4</p></td> 
       <td class="custom-top-td acenter" width="14.29%"><p style="text-align:center">22.7 ± 8.4</p></td> 
       <td class="custom-top-td acenter" width="14.29%"><p style="text-align:center">13.2 ± 0.6</p></td> 
       <td class="custom-top-td acenter" width="14.29%"><p style="text-align:center">24.8 ± 7.8</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">hopper-m</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">51.8 ± 4.0</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">53.0 ± 28.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">70.8 ± 11.4</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">104.8 ± 0.3</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">94.7 ± 13.2</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">101.5 ± 0.2</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">hopper-m-r</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">52.2 ± 19.3</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">88.7 ± 12.9</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">100.2 ± 1.0</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">102.3 ± 0.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">95.6 ± 18.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">106.4 ± 0.1</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">hopper-m-e</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">50.6 ± 25.3</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">105.6 ± 12.9</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">112.0 ± 1.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">112.8 ± 0.2</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">113.0 ± 0.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">114.6 ± 3.3</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">walker2d-r</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">12.8 ± 10.2</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">5.1 ± 1.3</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">18.7 ± 4.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">21.5 ± 0.2</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">22.6 ± 6.1</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">28.4 ± 6.2</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">walker2d-m</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">-0.2 ± 0.1</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">73.3 ± 17.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">82.0 ± 0.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">103.2 ± 1.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">80.0 ± 0.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">86.0 ± 0.2</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">walker2d-m-r</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">7.0 ± 7.8</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">81.8 ± 2.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">33.2 ± 17.6</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">90.1 ± 0.6</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">52.3 ± 16.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">87.9 ± 4.8</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">walker2d-m-e</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">22.1 ± 44.9</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">107.9 ± 1.6</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">106.0 ± 4.6</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">120.3 ± 1.8</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">112.1 ± 8.9</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">115.1 ± 1.2</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">halfCheetah-r</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">2.3 ± 0.0</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">17.5 ± 1.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">34.6 ± 1.3</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">28.2 ± 0.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">32.6 ± 2.9</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">31.5 ± 1.0</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">halfCheetah-m</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">43.0 ± 0.2</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">47.0 ± 0.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">46.3 ± 1.0</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">64.7 ± 1.1</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">45.1 ± 1.5</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">63.7 ± 0.4</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">halfCheetah-m-r</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">36.3 ± 3.1</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">45.5 ± 0.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">44.0 ± 0.8</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">61.1 ± 0.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">45.3 ± 7.9</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">57.4 ± 1.7</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="14.29%"><p style="text-align:center">halfCheetah-m-e</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">46.0 ± 4.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">75.6 ± 25.7</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">70.4 ± 19.4</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">108.2 ± 0.8</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">71.1 ± 4.9</p></td> 
       <td class="acenter" width="14.29%"><p style="text-align:center">93.2 ± 1.1</p></td> 
      </tr> 
     </table>
    </table-wrap>
    <p>The performance of all these algorithms is exhibited in <xref ref-type="table" rid="table1">
      Table 1
     </xref>, which reports the average normalized scores along with their corresponding standard deviations. We observe that ORDER outperforms BEAR in all tasks and surpasses the performance of the CQL algorithm. Significantly, our algorithm surpasses the performance of current distributed offline RL methods (see CODAC and MQN-CQR in <xref ref-type="table" rid="table1">
      Table 1
     </xref>), which is attributed to the assurance of robustness in ORDER. Meanwhile, ORDER competes favorably with the current state-of-the-art algorithms, owing to the safety guaranteed by distributional RL.</p>
   </sec>
   <sec id="s5_2">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>5.2. Policy Training under Risk Measures Function</title>
    <p>In this subsection, we investigate how the risk measure functions affect the performance of ORDER. We compare three risk-averse learned policies <xref ref-type="bibr" rid="scirp.142024-14">
      [14]
     </xref> in distribution RL with the risk-neutral measure function. Specifically, for different 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         g 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, three ways of distorted expectation are considered,</p>
    <p>Besides, we evaluate three risk-seeking learned policies.</p>
    <p>The results are shown in <xref ref-type="table" rid="table2">
      Table 2
     </xref> and <xref ref-type="table" rid="table3">
      Table 3
     </xref>, indicating that there is little difference between risk-averse methods and risk-seeking learned policies. This suggests that risk measure functions within the ORDER framework are not highly sensitive. At this point, we also empirically demonstrate the robustness of our approach.</p>
    <table-wrap id="table2">
     <label>
      <xref ref-type="table" rid="table2">
       Table 2
      </xref></label>
     <caption>
      <title>
       <xref ref-type="bibr" rid="scirp.142024-"></xref>Table 2. Performance of ORDER under various risk-averse methods in hopper-medium-replay-v2. Each method is run with five random seeds.</title>
     </caption>
     <table class="MsoTableGrid custom-table" border="0" cellspacing="0" cellpadding="0"> 
      <tr> 
       <td class="custom-bottom-td acenter" width="19.99%"><p style="text-align:center">Risk measure</p></td> 
       <td class="custom-bottom-td acenter" width="20.00%"><p style="text-align:center">Neutral</p></td> 
       <td class="custom-bottom-td acenter" width="20.00%"><p style="text-align:center">CPW (0.71)</p></td> 
       <td class="custom-bottom-td acenter" width="20.00%"><p style="text-align:center">CVaR (0.25)</p></td> 
       <td class="custom-bottom-td acenter" width="20.00%"><p style="text-align:center">Wang (0.75)</p></td> 
      </tr> 
      <tr> 
       <td class="custom-top-td acenter" width="19.99%"><p style="text-align:center">Performance of ORDER</p></td> 
       <td class="custom-top-td acenter" width="20.00%"><p style="text-align:center">106.4 ± 0.1</p></td> 
       <td class="custom-top-td acenter" width="20.00%"><p style="text-align:center">105.3 ± 0.4</p></td> 
       <td class="custom-top-td acenter" width="20.00%"><p style="text-align:center">106.2 ± 0.4</p></td> 
       <td class="custom-top-td acenter" width="20.00%"><p style="text-align:center">106.0 ± 1.5</p></td> 
      </tr> 
     </table>
    </table-wrap>
    <table-wrap id="table3">
     <label>
      <xref ref-type="table" rid="table3">
       Table 3
      </xref></label>
     <caption>
      <title>
       <xref ref-type="bibr" rid="scirp.142024-"></xref>Table 3. Performance of ORDER under various risk-seeking methods in hopper-medium-replay-v2. Each method is run with five random seeds.</title>
     </caption>
     <table class="MsoTableGrid custom-table" border="0" cellspacing="0" cellpadding="0"> 
      <tr> 
       <td class="custom-bottom-td acenter" width="19.99%"><p style="text-align:center">Risk measure</p></td> 
       <td class="custom-bottom-td acenter" width="20.00%"><p style="text-align:center">Neutral</p></td> 
       <td class="custom-bottom-td acenter" width="20.00%"><p style="text-align:center">Mean-Std (−0.1)</p></td> 
       <td class="custom-bottom-td acenter" width="20.00%"><p style="text-align:center">VaR (0.75)</p></td> 
       <td class="custom-bottom-td acenter" width="20.00%"><p style="text-align:center">Wang (−0.75)</p></td> 
      </tr> 
      <tr> 
       <td class="custom-top-td acenter" width="19.99%"><p style="text-align:center">Performance of ORDER</p></td> 
       <td class="custom-top-td acenter" width="20.00%"><p style="text-align:center">106.4 ± 0.1</p></td> 
       <td class="custom-top-td acenter" width="20.00%"><p style="text-align:center">107.5 ± 0.3</p></td> 
       <td class="custom-top-td acenter" width="20.00%"><p style="text-align:center">106.5 ± 0.6</p></td> 
       <td class="custom-top-td acenter" width="20.00%"><p style="text-align:center">106.4 ± 0.2</p></td> 
      </tr> 
     </table>
    </table-wrap>
   </sec>
   <sec id="s5_3">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>5.3. Ablations on Benchmark Results</title>
    <p>Without loss of generality, we choose the hopper-medium-replay-v2 dataset as an example to conduct the ablation study in this subsection. The performance of our ORDER algorithm under different Ms is visualized in <xref ref-type="fig" rid="fig2">
      Figure 2
     </xref>. We observe with the increase of M, the effect has a significant improvement in both computation efficiency and stability; as shown in the yellow and purple lines. However, M should not be too large, which is presumably attributed to the overfitting problem (see the blue line, the normalized score value fluctuates significantly around the training epoch of 700). In conclusion, M is set as four to balance between robustness enhancement and computational efficiency improvement.</p>
    <fig id="fig2" position="float">
     <label>Figure 2</label>
     <caption>
      <title>Figure 2. The normalized score under different ensemble sizes. Each method is run with five random seeds.</title>
     </caption>
     <graphic mimetype="image" position="float" xlink:type="simple" xlink:href="https://html.scirp.org/file/5302581-rId388.jpeg?20250418014352" />
    </fig>
   </sec>
  </sec><sec id="s6">
   <title>
    <xref ref-type="bibr" rid="scirp.142024-"></xref>6. Conclusion</title>
   <p>In this work, we introduce Offline Robustness of Distributional actor-critic Ensemble Reinforcement Learning (ORDER) to balance the conservatism and robustness in the offline setting. To achieve robustness, we first take into account the entropy regularizer that helps fully explore the dataset and alleviates training imbalance issues. Moreover, we consider the ensemble of multiple quantile networks to enhance robustness. Furthermore, a smoothing technique is introduced to the policies and the distributional functions for the perturbed states. In addition, we theoretically prove that ORDER converges to a conservative lower bound, which also shows that we improve the robustness without exacerbating the OOD problem. Finally, ORDER shows its advantage against the existing distributional offline RL methods in the D4RL benchmark. We also validate the effectiveness of ORDER through ablation studies.</p>
  </sec><sec id="s7">
   <title>Appendix</title>
   <sec id="s7_1">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>A. Algorithm and Implementation Details</title>
    <p>In this section, we provide a comprehensive account of our practical implementation of ORDER, offering a detailed explanation of the process.</p>
    <p>To establish a well-defined optimization problem, we introduce a regularization term denoted as 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ℛ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          μ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> in the original objective:</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable> 
       <mtr> 
        <mtd> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ^ 
           </mo> 
          </mover> 
          <mrow> 
           <mi>
             k 
           </mi> 
           <mo>
             + 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <mo>
           = 
         </mo> 
         <munder> 
          <mrow> 
           <mi>
             arg 
           </mi> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mi>
            Z 
          </mi> 
         </munder> 
         <munder> 
          <mrow> 
           <mtext>
             max 
           </mtext> 
          </mrow> 
          <mi>
            μ 
          </mi> 
         </munder> 
         <mrow> 
          <mo>
            { 
          </mo> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi mathvariant="double-struck">
              E 
            </mi> 
            <mrow> 
             <mi>
               U 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <msub> 
              <mi mathvariant="double-struck">
                E 
              </mi> 
              <mrow> 
               <mi mathvariant="script">
                 D 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 , 
               </mo> 
               <mi>
                 μ 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mover accent="true"> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ˜ 
                  </mo> 
                 </mover> 
                 <mo>
                   | 
                 </mo> 
                 <mi>
                   s 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </msub> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mover accent="true"> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ˜ 
                  </mo> 
                 </mover> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <msub> 
              <mi mathvariant="double-struck">
                E 
              </mi> 
              <mrow> 
               <mi mathvariant="script">
                 D 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </msub> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
          </mrow> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mo>
           + 
         </mo> 
         <mrow> 
          <mrow> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mo>
               , 
             </mo> 
             <msup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <msup> 
                <mi>
                  π 
                </mi> 
                <mi>
                  k 
                </mi> 
               </msup> 
              </mrow> 
             </msup> 
             <msup> 
              <mover accent="true"> 
               <mi>
                 Z 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mi>
                k 
              </mi> 
             </msup> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <munder> 
            <mrow> 
             <mtext>
               max 
             </mtext> 
            </mrow> 
            <mover accent="true"> 
             <mi>
               s 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
           </munder> 
           <mi>
             ϱ 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            } 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mi>
           ℛ 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            μ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>Let 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          c 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mfrac> 
        <mrow> 
         <mi>
           μ 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             a 
           </mi> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <mover accent="true"> 
          <mi>
            π 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             a 
           </mi> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mover accent="true"> 
          <mi>
            π 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             a 
           </mi> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </mfrac> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ℛ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          μ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> to be the entropy 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ℋ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          μ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, then 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         μ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           a 
         </mi> 
         <mo>
           | 
         </mo> 
         <mi>
           s 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ∝ 
       </mo> 
       <mtext>
         exp 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           Q 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mtext>
         exp 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <msubsup> 
            <mo>
              ∫ 
            </mo> 
            <mn>
              0 
            </mn> 
            <mn>
              1 
            </mn> 
           </msubsup> 
           <mrow> 
            <msubsup> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                Z 
              </mi> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
             <mrow> 
              <mo>
                − 
              </mo> 
              <mn>
                1 
              </mn> 
             </mrow> 
            </msubsup> 
           </mrow> 
          </mrow> 
         </mstyle> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mtext>
           d 
         </mtext> 
         <mi>
           τ 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> is the solution to the inner-maximization. Substituting this selection into the previously mentioned regularized objective function gives</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML" display="inline"> <mtable> 
       <mtr> 
        <mtd> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ^ 
           </mo> 
          </mover> 
          <mrow> 
           <mi>
             k 
           </mi> 
           <mo>
             + 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <mo>
           = 
         </mo> 
         <munder> 
          <mrow> 
           <mi>
             arg 
           </mi> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mi>
            Z 
          </mi> 
         </munder> 
         <mrow> 
          <mo>
            { 
          </mo> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi mathvariant="double-struck">
              E 
            </mi> 
            <mrow> 
             <mi>
               U 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <msub> 
              <mi mathvariant="double-struck">
                E 
              </mi> 
              <mrow> 
               <mi mathvariant="script">
                 D 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </msub> 
             <mi>
               log 
             </mi> 
             <munder> 
              <mstyle displaystyle="true" mathsize="140%"> 
               <mo>
                 ∑ 
               </mo> 
              </mstyle> 
              <mi>
                a 
              </mi> 
             </munder> 
             <mi>
               exp 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <msub> 
              <mi mathvariant="double-struck">
                E 
              </mi> 
              <mrow> 
               <mi mathvariant="script">
                 D 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </msub> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
          </mrow> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
             
         </mtext> 
         <mrow> 
          <mrow> 
           <mover> 
            <mtext>
                
            </mtext> 
            <mtext>
                
            </mtext> 
           </mover> 
           <mo>
             + 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mo>
               , 
             </mo> 
             <msup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <msup> 
                <mi>
                  π 
                </mi> 
                <mi>
                  k 
                </mi> 
               </msup> 
              </mrow> 
             </msup> 
             <msup> 
              <mover accent="true"> 
               <mi>
                 Z 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mi>
                k 
              </mi> 
             </msup> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <munder> 
            <mrow> 
             <mtext>
               max 
             </mtext> 
            </mrow> 
            <mover accent="true"> 
             <mi>
               s 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
           </munder> 
           <mi>
             ϱ 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            } 
          </mo> 
         </mrow> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>As demonstrated in <xref ref-type="bibr" rid="scirp.142024-15">
      [15]
     </xref>, we also introduce a parameter 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ζ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi>
          ℝ 
        </mi> 
        <mrow> 
         <mo>
           &gt; 
         </mo> 
         <mn>
           0 
         </mn> 
        </mrow> 
       </msub> 
      </mrow> 
     </math> to threshold the quantile value difference between 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        μ 
      </mi> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mover accent="true"> 
       <mi>
         π 
       </mi> 
       <mo>
         ^ 
       </mo> 
      </mover> 
     </math>, and give this difference a weight 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ξ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi>
          ℝ 
        </mi> 
        <mrow> 
         <mo>
           &gt; 
         </mo> 
         <mn>
           0 
         </mn> 
        </mrow> 
       </msub> 
      </mrow> 
     </math>. Then we get a trainable expression of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        β 
      </mi> 
     </math> through the process of dual gradient descent:</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <munder> 
          <mrow> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mi>
            Z 
          </mi> 
         </munder> 
         <munder> 
          <mrow> 
           <mi>
             max 
           </mi> 
          </mrow> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <mo>
             ≥ 
           </mo> 
           <mn>
             0 
           </mn> 
          </mrow> 
         </munder> 
         <mrow> 
          <mo>
            { 
          </mo> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi mathvariant="double-struck">
              E 
            </mi> 
            <mrow> 
             <mi>
               U 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <mi>
               ξ 
             </mi> 
             <mo>
               ⋅ 
             </mo> 
             <mrow> 
              <mo>
                [ 
              </mo> 
              <mrow> 
               <msub> 
                <mi mathvariant="double-struck">
                  E 
                </mi> 
                <mrow> 
                 <mi mathvariant="script">
                   D 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
               </msub> 
               <mi>
                 log 
               </mi> 
               <munder> 
                <mstyle displaystyle="true" mathsize="140%"> 
                 <mo>
                   ∑ 
                 </mo> 
                </mstyle> 
                <mi>
                  a 
                </mi> 
               </munder> 
               <mi>
                 exp 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msubsup> 
                  <mi>
                    F 
                  </mi> 
                  <mrow> 
                   <mi>
                     Z 
                   </mi> 
                   <mrow> 
                    <mo>
                      ( 
                    </mo> 
                    <mrow> 
                     <mi>
                       s 
                     </mi> 
                     <mo>
                       , 
                     </mo> 
                     <mi>
                       a 
                     </mi> 
                    </mrow> 
                    <mo>
                      ) 
                    </mo> 
                   </mrow> 
                  </mrow> 
                  <mrow> 
                   <mo>
                     − 
                   </mo> 
                   <mn>
                     1 
                   </mn> 
                  </mrow> 
                 </msubsup> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mi>
                    τ 
                  </mi> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <msub> 
                <mi mathvariant="double-struck">
                  E 
                </mi> 
                <mrow> 
                 <mi mathvariant="script">
                   D 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
               </msub> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                ] 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <mi>
               ζ 
             </mi> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
          </mrow> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mrow> 
          <mrow> 
           <mtable> 
            <mtr> 
             <mtd> 
              <mtext>
                  
              </mtext> 
             </mtd> 
            </mtr> 
            <mtr> 
             <mtd> 
              <mtext>
                  
              </mtext> 
             </mtd> 
            </mtr> 
           </mtable> 
           <mo>
             + 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mo>
               , 
             </mo> 
             <msup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <msup> 
                <mi>
                  π 
                </mi> 
                <mi>
                  k 
                </mi> 
               </msup> 
              </mrow> 
             </msup> 
             <msup> 
              <mover accent="true"> 
               <mi>
                 Z 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mi>
                k 
              </mi> 
             </msup> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <munder> 
            <mrow> 
             <mtext>
               max 
             </mtext> 
            </mrow> 
            <mover accent="true"> 
             <mi>
               s 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
           </munder> 
           <mi>
             ϱ 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <msub> 
            <mi>
              ℒ 
            </mi> 
            <mi>
              p 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               , 
             </mo> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            } 
          </mo> 
         </mrow> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>Since all our experiments take place in continuous-control domains, it is not feasible to list all possible actions as and directly compute 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         log 
       </mi> 
       <munder> 
        <mstyle mathsize="140%" displaystyle="true"> 
         <mo>
           ∑ 
         </mo> 
        </mstyle> 
        <mi>
          a 
        </mi> 
       </munder> 
       <mi>
         exp 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <mi>
             Z 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. In our implementation, we employ the importance sampling approximation method described in <xref ref-type="bibr" rid="scirp.142024-17">
      [17]
     </xref>, and obtain</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <mi>
           log 
         </mi> 
         <munder> 
          <mstyle mathsize="140%" displaystyle="true"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mi>
            a 
          </mi> 
         </munder> 
         <mi>
           exp 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           ≈ 
         </mo> 
         <mi>
           log 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mfrac> 
            <mn>
              1 
            </mn> 
            <mrow> 
             <mn>
               2 
             </mn> 
             <mi>
               C 
             </mi> 
            </mrow> 
           </mfrac> 
           <munderover> 
            <mstyle mathsize="140%" displaystyle="true"> 
             <mo>
               ∑ 
             </mo> 
            </mstyle> 
            <mrow> 
             <msub> 
              <mi>
                a 
              </mi> 
              <mi>
                i 
              </mi> 
             </msub> 
             <mo>
               ∼ 
             </mo> 
             <mi>
               U 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi mathvariant="script">
                A 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mi>
              N 
            </mi> 
           </munderover> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <mfrac> 
              <mrow> 
               <mi>
                 exp 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msubsup> 
                  <mi>
                    F 
                  </mi> 
                  <mrow> 
                   <mi>
                     Z 
                   </mi> 
                   <mrow> 
                    <mo>
                      ( 
                    </mo> 
                    <mrow> 
                     <mi>
                       s 
                     </mi> 
                     <mo>
                       , 
                     </mo> 
                     <mi>
                       a 
                     </mi> 
                    </mrow> 
                    <mo>
                      ) 
                    </mo> 
                   </mrow> 
                  </mrow> 
                  <mrow> 
                   <mo>
                     − 
                   </mo> 
                   <mn>
                     1 
                   </mn> 
                  </mrow> 
                 </msubsup> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mi>
                    τ 
                  </mi> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mi>
                 U 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi mathvariant="script">
                  A 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </mfrac> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <mfrac> 
            <mn>
              1 
            </mn> 
            <mrow> 
             <mn>
               2 
             </mn> 
             <mi>
               C 
             </mi> 
            </mrow> 
           </mfrac> 
           <munderover> 
            <mstyle mathsize="140%" displaystyle="true"> 
             <mo>
               ∑ 
             </mo> 
            </mstyle> 
            <mrow> 
             <msub> 
              <mi>
                a 
              </mi> 
              <mi>
                i 
              </mi> 
             </msub> 
             <mo>
               ∼ 
             </mo> 
             <mi>
               π 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 a 
               </mi> 
               <mo>
                 | 
               </mo> 
               <mi>
                 s 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mi>
              N 
            </mi> 
           </munderover> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <mfrac> 
              <mrow> 
               <mi>
                 exp 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msubsup> 
                  <mi>
                    F 
                  </mi> 
                  <mrow> 
                   <mi>
                     Z 
                   </mi> 
                   <mrow> 
                    <mo>
                      ( 
                    </mo> 
                    <mrow> 
                     <mi>
                       s 
                     </mi> 
                     <mo>
                       , 
                     </mo> 
                     <mi>
                       a 
                     </mi> 
                    </mrow> 
                    <mo>
                      ) 
                    </mo> 
                   </mrow> 
                  </mrow> 
                  <mrow> 
                   <mo>
                     − 
                   </mo> 
                   <mn>
                     1 
                   </mn> 
                  </mrow> 
                 </msubsup> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mi>
                    τ 
                  </mi> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mi>
                 π 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msub> 
                  <mi>
                    a 
                  </mi> 
                  <mi>
                    i 
                  </mi> 
                 </msub> 
                 <mo>
                   | 
                 </mo> 
                 <mi>
                   s 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
             </mfrac> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math>(5)</p>
    <p>where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         U 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi mathvariant="script">
          A 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mtext>
         Uniform 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi mathvariant="script">
          A 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> represents a uniform distribution of actions. Algorithm 7.1 summarizes a single step of the actor and critic updates used by ORDER.</p>
    <table class="MsoTableGrid custom-table" border="0" cellspacing="0" cellpadding="0"> 
     <tr> 
      <td class="custom-bottom-td aleft" width="100.00%" colspan="2"><p style="text-align:left">Algorithm 1. ORDER </p></td> 
     </tr> 
     <tr> 
      <td class="custom-top-td aleft" width="6.26%"><p style="text-align:left">1:</p><p style="text-align:left"></p><p style="text-align:left"></p><p style="text-align:left"></p></td> 
      <td class="custom-top-td aleft" width="93.74%"><p style="text-align:left">Hyperparameters: Number of generated quantiles N, number of quantile networks for value functions M, Huber loss threshold 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           κ 
         </mi> 
        </math>, discount rate 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           γ 
         </mi> 
        </math>, learning rates 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <msub> 
           <mi>
             η 
           </mi> 
           <mrow> 
            <mtext>
              a 
            </mtext> 
            <mi>
              c 
            </mi> 
            <mi>
              t 
            </mi> 
            <mi>
              o 
            </mi> 
            <mi>
              r 
            </mi> 
           </mrow> 
          </msub> 
          <mo>
            , 
          </mo> 
          <msub> 
           <mi>
             η 
           </mi> 
           <mi>
             Z 
           </mi> 
          </msub> 
         </mrow> 
        </math>, 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <msub> 
           <mi>
             η 
           </mi> 
           <mi>
             β 
           </mi> 
          </msub> 
         </mrow> 
        </math>, tuning parameter 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <mi>
            α 
          </mi> 
          <mo>
            , 
          </mo> 
          <msub> 
           <mi>
             α 
           </mi> 
           <mn>
             1 
           </mn> 
          </msub> 
         </mrow> 
        </math>, OOD penalty scale 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           ξ 
         </mi> 
        </math>, OOD penalty threshold 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           ζ 
         </mi> 
        </math> </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">2:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Parameters: Critic parameters 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           θ 
         </mi> 
        </math>, Actor parameters 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           ϕ 
         </mi> 
        </math>, Penalty 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           β 
         </mi> 
        </math></p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">3:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left"># Compute distributional TD loss</p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">4:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Get the next action using current policy 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <mi>
            a 
          </mi> 
          <mo>
            ' 
          </mo> 
          <mo>
            ∼ 
          </mo> 
          <mi>
            π 
          </mi> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <mo>
              ⋅ 
            </mo> 
            <mo>
              | 
            </mo> 
            <mi>
              s 
            </mi> 
            <mo>
              ' 
            </mo> 
            <mo>
              ; 
            </mo> 
            <mi>
              ϕ 
            </mi> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
         </mrow> 
        </math> </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">5:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">for 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           i 
         </mi> 
        </math> = 1 to 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           N 
         </mi> 
        </math> do (For the 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           m 
         </mi> 
        </math>-th quantile network) </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">6:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">for 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           j 
         </mi> 
        </math> = 1 to 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           N 
         </mi> 
        </math> do </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">7:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left"> 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <msubsup> 
           <mi>
             δ 
           </mi> 
           <mrow> 
            <msub> 
             <mi>
               τ 
             </mi> 
             <mi>
               i 
             </mi> 
            </msub> 
            <mo>
              , 
            </mo> 
            <msub> 
             <mi>
               τ 
             </mi> 
             <mi>
               j 
             </mi> 
            </msub> 
            <mtext>
              ' 
            </mtext> 
           </mrow> 
           <mi>
             m 
           </mi> 
          </msubsup> 
          <mo>
            = 
          </mo> 
          <mi>
            r 
          </mi> 
          <mo>
            + 
          </mo> 
          <mi>
            γ 
          </mi> 
          <msubsup> 
           <mi>
             F 
           </mi> 
           <mrow> 
            <mi>
              Z 
            </mi> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                s 
              </mi> 
              <mo>
                ' 
              </mo> 
              <mo>
                , 
              </mo> 
              <mi>
                a 
              </mi> 
              <mo>
                ' 
              </mo> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              , 
            </mo> 
            <mi>
              θ 
            </mi> 
            <msub> 
             <mo>
               ' 
             </mo> 
             <mi>
               m 
             </mi> 
            </msub> 
           </mrow> 
           <mrow> 
            <mo>
              − 
            </mo> 
            <mn>
              1 
            </mn> 
           </mrow> 
          </msubsup> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <msub> 
             <mi>
               τ 
             </mi> 
             <mi>
               j 
             </mi> 
            </msub> 
            <mtext>
              ' 
            </mtext> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
          <mo>
            − 
          </mo> 
          <msubsup> 
           <mi>
             F 
           </mi> 
           <mrow> 
            <mi>
              Z 
            </mi> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                s 
              </mi> 
              <mo>
                , 
              </mo> 
              <mi>
                a 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              , 
            </mo> 
            <msub> 
             <mi>
               θ 
             </mi> 
             <mi>
               m 
             </mi> 
            </msub> 
           </mrow> 
           <mrow> 
            <mo>
              − 
            </mo> 
            <mn>
              1 
            </mn> 
           </mrow> 
          </msubsup> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <msub> 
             <mi>
               τ 
             </mi> 
             <mi>
               i 
             </mi> 
            </msub> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
         </mrow> 
        </math></p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">8:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">end for</p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">9:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">end for</p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">10:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Computer <img width="213.54166666666666" src="https://html.scirp.org/file/5302581-rId472.svg?20250418014352" /></p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">11:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left"># Compute OOD penalty </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">12:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Sample 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <mi>
            i 
          </mi> 
          <mo>
            ∼ 
          </mo> 
          <mi>
            U 
          </mi> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <mrow> 
             <mo>
               { 
             </mo> 
             <mrow> 
              <mn>
                1 
              </mn> 
              <mo>
                , 
              </mo> 
              <mo>
                … 
              </mo> 
              <mo>
                , 
              </mo> 
              <mi>
                N 
              </mi> 
             </mrow> 
             <mo>
               } 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
         </mrow> 
        </math> and use quantile 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <msub> 
           <mi>
             τ 
           </mi> 
           <mi>
             i 
           </mi> 
          </msub> 
         </mrow> 
        </math> </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">13:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Estimate <img width="151.04166666666666" src="https://html.scirp.org/file/5302581-rId478.svg?20250418014352"> according to Equation (5) </img></p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">14:</p><p style="text-align:left"></p><p style="text-align:left"></p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Compute </p><p style="text-align:center"><img width="461.8055555555556" src="https://html.scirp.org/file/5302581-rId480.svg?20250418014352" /></p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">15:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left"># Update quantile network </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">16:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Use Equation (1) to add perturbations to the state to obtain 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mover accent="true"> 
          <mi>
            s 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
        </math>. </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">17:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Train 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
           θ 
         </mi> 
        </math> using Equation (2) by SGD </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">18:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Update 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <mi>
            θ 
          </mi> 
          <mo>
            ← 
          </mo> 
          <mi>
            θ 
          </mi> 
          <mo>
            − 
          </mo> 
          <msub> 
           <mi>
             η 
           </mi> 
           <mi>
             Z 
           </mi> 
          </msub> 
          <mo>
            ∇ 
          </mo> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <msub> 
             <mi>
               ℒ 
             </mi> 
             <mi>
               Z 
             </mi> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <msub> 
               <mi>
                 θ 
               </mi> 
               <mi>
                 m 
               </mi> 
              </msub> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              + 
            </mo> 
            <mi>
              α 
            </mi> 
            <msub> 
             <mi>
               ℒ 
             </mi> 
             <mrow> 
              <mtext>
                s 
              </mtext> 
              <mi>
                m 
              </mi> 
              <mi>
                o 
              </mi> 
              <mi>
                o 
              </mi> 
              <mi>
                t 
              </mi> 
              <mi>
                h 
              </mi> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                s 
              </mi> 
              <mo>
                , 
              </mo> 
              <mi>
                a 
              </mi> 
              <mo>
                ; 
              </mo> 
              <msub> 
               <mi>
                 θ 
               </mi> 
               <mi>
                 m 
               </mi> 
              </msub> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              + 
            </mo> 
            <msub> 
             <mi>
               ℒ 
             </mi> 
             <mrow> 
              <mtext>
                O 
              </mtext> 
              <mi>
                O 
              </mi> 
              <mi>
                D 
              </mi> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <msub> 
               <mi>
                 θ 
               </mi> 
               <mi>
                 m 
               </mi> 
              </msub> 
              <mo>
                , 
              </mo> 
              <mi>
                β 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
         </mrow> 
        </math> </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">19:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left"># Update policy network with 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <msub> 
           <mtext>
             Φ 
           </mtext> 
           <mi>
             j 
           </mi> 
          </msub> 
         </mrow> 
        </math> objective </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">20:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Get new actions with re-parameterized samples 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <mover accent="true"> 
           <mi>
             a 
           </mi> 
           <mo>
             ˜ 
           </mo> 
          </mover> 
          <mo>
            ∼ 
          </mo> 
          <mi>
            π 
          </mi> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <mo>
              ⋅ 
            </mo> 
            <mo>
              | 
            </mo> 
            <mi>
              s 
            </mi> 
            <mo>
              ; 
            </mo> 
            <mi>
              ϕ 
            </mi> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
         </mrow> 
        </math> </p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">21:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Computer 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <msub> 
           <mtext>
             Φ 
           </mtext> 
           <mi>
             g 
           </mi> 
          </msub> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <mi>
              s 
            </mi> 
            <mo>
              , 
            </mo> 
            <mover accent="true"> 
             <mi>
               a 
             </mi> 
             <mo>
               ˜ 
             </mo> 
            </mover> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
         </mrow> 
        </math> using 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <msubsup> 
           <mi>
             F 
           </mi> 
           <mrow> 
            <mi>
              Z 
            </mi> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                s 
              </mi> 
              <mo>
                , 
              </mo> 
              <mover accent="true"> 
               <mi>
                 a 
               </mi> 
               <mo>
                 ˜ 
               </mo> 
              </mover> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              , 
            </mo> 
            <mi>
              θ 
            </mi> 
           </mrow> 
           <mrow> 
            <mo>
              − 
            </mo> 
            <mn>
              1 
            </mn> 
           </mrow> 
          </msubsup> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <msub> 
             <mi>
               τ 
             </mi> 
             <mi>
               i 
             </mi> 
            </msub> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
          <mo>
            , 
          </mo> 
          <mi>
            i 
          </mi> 
          <mo>
            = 
          </mo> 
          <mn>
            1 
          </mn> 
          <mo>
            , 
          </mo> 
          <mo>
            ⋯ 
          </mo> 
          <mo>
            , 
          </mo> 
          <mi>
            N 
          </mi> 
         </mrow> 
        </math></p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">22:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left"> 
        <math xmlns="http://www.w3.org/1998/Math/MathML" display="inline"> <mrow> 
          <msub> 
           <mi>
             ℒ 
           </mi> 
           <mrow> 
            <mtext>
              actor 
            </mtext> 
           </mrow> 
          </msub> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mi>
             ϕ 
           </mi> 
           <mo>
             ) 
           </mo> 
          </mrow> 
          <mo>
            = 
          </mo> 
          <mtext>
            log 
          </mtext> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <mi>
              π 
            </mi> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mover accent="true"> 
               <mi>
                 a 
               </mi> 
               <mo>
                 ˜ 
               </mo> 
              </mover> 
              <mo>
                | 
              </mo> 
              <mi>
                s 
              </mi> 
              <mo>
                ; 
              </mo> 
              <mi>
                ϕ 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
          <mo>
            + 
          </mo> 
          <msub> 
           <mi>
             α 
           </mi> 
           <mn>
             1 
           </mn> 
          </msub> 
          <msub> 
           <mrow> 
            <mtext>
              max 
            </mtext> 
           </mrow> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
          </msub> 
          <msub> 
           <mi>
             D 
           </mi> 
           <mtext>
             J 
           </mtext> 
          </msub> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <msub> 
             <mi>
               π 
             </mi> 
             <mi>
               ϕ 
             </mi> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mo>
                ⋅ 
              </mo> 
              <mo>
                | 
              </mo> 
              <mi>
                s 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              | 
            </mo> 
            <mo>
              | 
            </mo> 
            <msub> 
             <mi>
               π 
             </mi> 
             <mi>
               ϕ 
             </mi> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mo>
                ⋅ 
              </mo> 
              <mo>
                | 
              </mo> 
              <mover accent="true"> 
               <mi>
                 s 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
          <mo>
            − 
          </mo> 
          <msub> 
           <mrow> 
            <mtext>
              min 
            </mtext> 
           </mrow> 
           <mrow> 
            <mi>
              j 
            </mi> 
            <mo>
              = 
            </mo> 
            <mn>
              1 
            </mn> 
            <mo>
              , 
            </mo> 
            <mo>
              ⋯ 
            </mo> 
            <mo>
              , 
            </mo> 
            <mi>
              M 
            </mi> 
           </mrow> 
          </msub> 
          <msubsup> 
           <mtext>
             Φ 
           </mtext> 
           <mi>
             g 
           </mi> 
           <mi>
             j 
           </mi> 
          </msubsup> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <mi>
              s 
            </mi> 
            <mo>
              , 
            </mo> 
            <mover accent="true"> 
             <mi>
               a 
             </mi> 
             <mo>
               ˜ 
             </mo> 
            </mover> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
         </mrow> 
        </math></p></td> 
     </tr> 
     <tr> 
      <td class="aleft" width="6.26%"><p style="text-align:left">23:</p></td> 
      <td class="aleft" width="93.74%"><p style="text-align:left">Update 
        <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
          <mi>
            ϕ 
          </mi> 
          <mo>
            ← 
          </mo> 
          <mi>
            ϕ 
          </mi> 
          <mo>
            + 
          </mo> 
          <msub> 
           <mi>
             η 
           </mi> 
           <mrow> 
            <mtext>
              a 
            </mtext> 
            <mi>
              c 
            </mi> 
            <mi>
              t 
            </mi> 
            <mi>
              o 
            </mi> 
            <mi>
              r 
            </mi> 
           </mrow> 
          </msub> 
          <mo>
            ∇ 
          </mo> 
          <msub> 
           <mi>
             ℒ 
           </mi> 
           <mrow> 
            <mtext>
              a 
            </mtext> 
            <mi>
              c 
            </mi> 
            <mi>
              t 
            </mi> 
            <mi>
              o 
            </mi> 
            <mi>
              r 
            </mi> 
           </mrow> 
          </msub> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mi>
             ϕ 
           </mi> 
           <mo>
             ) 
           </mo> 
          </mrow> 
         </mrow> 
        </math> </p></td> 
     </tr> 
    </table>
   </sec>
   <sec id="s7_2">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>B. Proofs</title>
    <p>Proof. By the definition of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        p 
      </mi> 
     </math>-Wasserstein distance, we can re-write Equation (4) as</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <msub> 
          <mi mathvariant="double-struck">
            E 
          </mi> 
          <mrow> 
           <mi mathvariant="script">
             D 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <msubsup> 
            <mo>
              ∫ 
            </mo> 
            <mn>
              0 
            </mn> 
            <mn>
              1 
            </mn> 
           </msubsup> 
           <mrow> 
            <msup> 
             <mrow> 
              <mrow> 
               <mo>
                 | 
               </mo> 
               <mrow> 
                <msubsup> 
                 <mi>
                   F 
                 </mi> 
                 <mrow> 
                  <mi>
                    Z 
                  </mi> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mrow> 
                  <mo>
                    − 
                  </mo> 
                  <mn>
                    1 
                  </mn> 
                 </mrow> 
                </msubsup> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mi>
                   τ 
                 </mi> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
                <mo>
                  − 
                </mo> 
                <msubsup> 
                 <mi>
                   F 
                 </mi> 
                 <mrow> 
                  <msubsup> 
                   <mover accent="true"> 
                    <mi mathvariant="script">
                      T 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mrow> 
                    <mtext>
                      DS 
                    </mtext> 
                   </mrow> 
                   <mi>
                     π 
                   </mi> 
                  </msubsup> 
                  <msup> 
                   <mover accent="true"> 
                    <mi>
                      Z 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mi>
                     k 
                   </mi> 
                  </msup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mrow> 
                  <mo>
                    − 
                  </mo> 
                  <mn>
                    1 
                  </mn> 
                 </mrow> 
                </msubsup> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mi>
                   τ 
                 </mi> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
               <mo>
                 | 
               </mo> 
              </mrow> 
             </mrow> 
             <mi>
               p 
             </mi> 
            </msup> 
            <mtext>
              d 
            </mtext> 
            <mi>
              τ 
            </mi> 
           </mrow> 
          </mrow> 
         </mstyle> 
         <mo>
           + 
         </mo> 
         <mi>
           β 
         </mi> 
         <mo>
           ⋅ 
         </mo> 
         <msub> 
          <mi mathvariant="double-struck">
            E 
          </mi> 
          <mrow> 
           <mi>
             U 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             , 
           </mo> 
           <mi mathvariant="script">
             D 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              c 
            </mi> 
            <mn>
              0 
            </mn> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             ⋅ 
           </mo> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           + 
         </mo> 
         <mtext>
             
         </mtext> 
         <msub> 
          <mi mathvariant="double-struck">
            E 
          </mi> 
          <mrow> 
           <mi mathvariant="script">
             D 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             , 
           </mo> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
           <mo>
             ∈ 
           </mo> 
           <msub> 
            <mi mathvariant="double-struck">
              B 
            </mi> 
            <mi>
              d 
            </mi> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               ϵ 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <msubsup> 
            <mo>
              ∫ 
            </mo> 
            <mn>
              0 
            </mn> 
            <mn>
              1 
            </mn> 
           </msubsup> 
           <mrow> 
            <msup> 
             <mrow> 
              <mrow> 
               <mo>
                 | 
               </mo> 
               <mrow> 
                <msubsup> 
                 <mi>
                   F 
                 </mi> 
                 <mrow> 
                  <mi>
                    Z 
                  </mi> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mrow> 
                    <mover accent="true"> 
                     <mi>
                       s 
                     </mi> 
                     <mo>
                       ^ 
                     </mo> 
                    </mover> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mrow> 
                  <mo>
                    − 
                  </mo> 
                  <mn>
                    1 
                  </mn> 
                 </mrow> 
                </msubsup> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mi>
                   τ 
                 </mi> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
                <mo>
                  − 
                </mo> 
                <msubsup> 
                 <mi>
                   F 
                 </mi> 
                 <mrow> 
                  <mi>
                    Z 
                  </mi> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mrow> 
                  <mo>
                    − 
                  </mo> 
                  <mn>
                    1 
                  </mn> 
                 </mrow> 
                </msubsup> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mi>
                   τ 
                 </mi> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
               <mo>
                 | 
               </mo> 
              </mrow> 
             </mrow> 
             <mi>
               p 
             </mi> 
            </msup> 
            <mtext>
              d 
            </mtext> 
            <mi>
              τ 
            </mi> 
           </mrow> 
          </mrow> 
         </mstyle> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           = 
         </mo> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <msubsup> 
            <mo>
              ∫ 
            </mo> 
            <mn>
              0 
            </mn> 
            <mn>
              1 
            </mn> 
           </msubsup> 
           <mrow> 
            <msub> 
             <mi mathvariant="double-struck">
               E 
             </mi> 
             <mrow> 
              <mi mathvariant="script">
                D 
              </mi> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
           </mrow> 
          </mrow> 
         </mstyle> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <msup> 
            <mrow> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mrow> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <msubsup> 
                  <mover accent="true"> 
                   <mi mathvariant="script">
                     T 
                   </mi> 
                   <mo>
                     ^ 
                   </mo> 
                  </mover> 
                  <mrow> 
                   <mtext>
                     DS 
                   </mtext> 
                  </mrow> 
                  <mi>
                    π 
                  </mi> 
                 </msubsup> 
                 <msup> 
                  <mover accent="true"> 
                   <mi>
                     Z 
                   </mi> 
                   <mo>
                     ^ 
                   </mo> 
                  </mover> 
                  <mi>
                    k 
                  </mi> 
                 </msup> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                | 
              </mo> 
             </mrow> 
            </mrow> 
            <mi>
              p 
            </mi> 
           </msup> 
          </mrow> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mi>
           β 
         </mi> 
         <mo>
           ⋅ 
         </mo> 
         <msub> 
          <mi>
            c 
          </mi> 
          <mn>
            0 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           ⋅ 
         </mo> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <mi>
             Z 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mo>
           + 
         </mo> 
         <mrow> 
          <mrow> 
           <msup> 
            <mrow> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mrow> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mover accent="true"> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                | 
              </mo> 
             </mrow> 
            </mrow> 
            <mi>
              p 
            </mi> 
           </msup> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
         <mtext>
           d 
         </mtext> 
         <mi>
           τ 
         </mi> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>For arbitrary smooth functions 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ϕ 
        </mi> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
       </msub> 
      </mrow> 
     </math> with compact support 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            V 
          </mi> 
          <mrow> 
           <mtext>
             min 
           </mtext> 
          </mrow> 
         </msub> 
         <mo>
           , 
         </mo> 
         <msub> 
          <mi>
            V 
          </mi> 
          <mrow> 
           <mtext>
             max 
           </mtext> 
          </mrow> 
         </msub> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, we consider a perturbation 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          G 
        </mi> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mi>
          ε 
        </mi> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         + 
       </mo> 
       <mi>
         ε 
       </mi> 
       <mo>
         ⋅ 
       </mo> 
       <msub> 
        <mi>
          ϕ 
        </mi> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, then the above formula can be written as</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mstyle displaystyle="true"> 
        <mrow> 
         <msubsup> 
          <mo>
            ∫ 
          </mo> 
          <mn>
            0 
          </mn> 
          <mn>
            1 
          </mn> 
         </msubsup> 
         <mrow> 
          <msub> 
           <mi mathvariant="double-struck">
             E 
           </mi> 
           <mrow> 
            <mi mathvariant="script">
              D 
            </mi> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                s 
              </mi> 
              <mo>
                , 
              </mo> 
              <mi>
                a 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
          </msub> 
         </mrow> 
        </mrow> 
       </mstyle> 
       <mrow> 
        <mo>
          [ 
        </mo> 
        <mrow> 
         <msup> 
          <mrow> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mrow> 
             <msubsup> 
              <mi>
                G 
              </mi> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mi>
                ε 
              </mi> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <msubsup> 
                <mover accent="true"> 
                 <mi mathvariant="script">
                   T 
                 </mi> 
                 <mo>
                   ^ 
                 </mo> 
                </mover> 
                <mrow> 
                 <mtext>
                   DS 
                 </mtext> 
                </mrow> 
                <mi>
                  π 
                </mi> 
               </msubsup> 
               <msup> 
                <mover accent="true"> 
                 <mi>
                   Z 
                 </mi> 
                 <mo>
                   ^ 
                 </mo> 
                </mover> 
                <mi>
                  k 
                </mi> 
               </msup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              | 
            </mo> 
           </mrow> 
          </mrow> 
          <mi>
            p 
          </mi> 
         </msup> 
         <mo>
           + 
         </mo> 
         <mi>
           β 
         </mi> 
         <mo>
           ⋅ 
         </mo> 
         <msub> 
          <mi>
            c 
          </mi> 
          <mn>
            0 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           ⋅ 
         </mo> 
         <msubsup> 
          <mi>
            G 
          </mi> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mi>
            ε 
          </mi> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <msup> 
          <mrow> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mrow> 
             <msubsup> 
              <mi>
                G 
              </mi> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mi>
                ε 
              </mi> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <msubsup> 
              <mi>
                G 
              </mi> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mi>
                ε 
              </mi> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              | 
            </mo> 
           </mrow> 
          </mrow> 
          <mi>
            p 
          </mi> 
         </msup> 
        </mrow> 
        <mo>
          ] 
        </mo> 
       </mrow> 
       <mtext>
         d 
       </mtext> 
       <mi>
         τ 
       </mi> 
       <mo>
         . 
       </mo> 
      </mrow> 
     </math></p>
    <p>Then the following equation is obtained considering the derivative of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        ε 
      </mi> 
     </math> at 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ε 
       </mi> 
       <mo>
         = 
       </mo> 
       <mn>
         0 
       </mn> 
      </mrow> 
     </math>:</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <msub> 
          <mrow> 
           <mrow> 
            <mfrac> 
             <mtext>
               d 
             </mtext> 
             <mrow> 
              <mtext>
                d 
              </mtext> 
              <mi>
                ε 
              </mi> 
             </mrow> 
            </mfrac> 
            <mstyle displaystyle="true"> 
             <mrow> 
              <msubsup> 
               <mo>
                 ∫ 
               </mo> 
               <mn>
                 0 
               </mn> 
               <mn>
                 1 
               </mn> 
              </msubsup> 
              <mrow> 
               <msub> 
                <mi mathvariant="double-struck">
                  E 
                </mi> 
                <mrow> 
                 <mi mathvariant="script">
                   D 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
               </msub> 
              </mrow> 
             </mrow> 
            </mstyle> 
            <mrow> 
             <mo>
               [ 
             </mo> 
             <mrow> 
              <msup> 
               <mrow> 
                <mrow> 
                 <mo>
                   | 
                 </mo> 
                 <mrow> 
                  <msubsup> 
                   <mi>
                     G 
                   </mi> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mi>
                     ε 
                   </mi> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                  <mo>
                    − 
                  </mo> 
                  <msubsup> 
                   <mi>
                     F 
                   </mi> 
                   <mrow> 
                    <msubsup> 
                     <mover accent="true"> 
                      <mi mathvariant="script">
                        T 
                      </mi> 
                      <mo>
                        ^ 
                      </mo> 
                     </mover> 
                     <mrow> 
                      <mtext>
                        DS 
                      </mtext> 
                     </mrow> 
                     <mi>
                       π 
                     </mi> 
                    </msubsup> 
                    <msup> 
                     <mover accent="true"> 
                      <mi>
                        Z 
                      </mi> 
                      <mo>
                        ^ 
                      </mo> 
                     </mover> 
                     <mi>
                       k 
                     </mi> 
                    </msup> 
                    <mrow> 
                     <mo>
                       ( 
                     </mo> 
                     <mrow> 
                      <mi>
                        s 
                      </mi> 
                      <mo>
                        , 
                      </mo> 
                      <mi>
                        a 
                      </mi> 
                     </mrow> 
                     <mo>
                       ) 
                     </mo> 
                    </mrow> 
                   </mrow> 
                   <mrow> 
                    <mo>
                      − 
                    </mo> 
                    <mn>
                      1 
                    </mn> 
                   </mrow> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mo>
                   | 
                 </mo> 
                </mrow> 
               </mrow> 
               <mi>
                 p 
               </mi> 
              </msup> 
              <mo>
                + 
              </mo> 
              <mi>
                β 
              </mi> 
              <msub> 
               <mi>
                 c 
               </mi> 
               <mn>
                 0 
               </mn> 
              </msub> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
              <mo>
                ⋅ 
              </mo> 
              <msubsup> 
               <mi>
                 G 
               </mi> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mi>
                 ε 
               </mi> 
              </msubsup> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mi>
                 τ 
               </mi> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
              <mo>
                + 
              </mo> 
              <msup> 
               <mrow> 
                <mrow> 
                 <mo>
                   | 
                 </mo> 
                 <mrow> 
                  <msubsup> 
                   <mi>
                     G 
                   </mi> 
                   <mrow> 
                    <mover accent="true"> 
                     <mi>
                       s 
                     </mi> 
                     <mo>
                       ^ 
                     </mo> 
                    </mover> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mi>
                     ε 
                   </mi> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                  <mo>
                    − 
                  </mo> 
                  <msubsup> 
                   <mi>
                     G 
                   </mi> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mi>
                     ε 
                   </mi> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mo>
                   | 
                 </mo> 
                </mrow> 
               </mrow> 
               <mi>
                 p 
               </mi> 
              </msup> 
             </mrow> 
             <mo>
               ] 
             </mo> 
            </mrow> 
            <mtext>
              d 
            </mtext> 
            <mi>
              τ 
            </mi> 
           </mrow> 
           <mo>
             | 
           </mo> 
          </mrow> 
          <mrow> 
           <mi>
             ε 
           </mi> 
           <mo>
             = 
           </mo> 
           <mn>
             0 
           </mn> 
          </mrow> 
         </msub> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           = 
         </mo> 
         <msub> 
          <mi mathvariant="double-struck">
            E 
          </mi> 
          <mrow> 
           <mi mathvariant="script">
             D 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <msubsup> 
            <mo>
              ∫ 
            </mo> 
            <mn>
              0 
            </mn> 
            <mn>
              1 
            </mn> 
           </msubsup> 
           <mrow> 
            <mrow> 
             <mo>
               [ 
             </mo> 
             <mrow> 
              <mi>
                p 
              </mi> 
              <msup> 
               <mrow> 
                <mrow> 
                 <mo>
                   | 
                 </mo> 
                 <mrow> 
                  <msubsup> 
                   <mi>
                     F 
                   </mi> 
                   <mrow> 
                    <mi>
                      Z 
                    </mi> 
                    <mrow> 
                     <mo>
                       ( 
                     </mo> 
                     <mrow> 
                      <mi>
                        s 
                      </mi> 
                      <mo>
                        , 
                      </mo> 
                      <mi>
                        a 
                      </mi> 
                     </mrow> 
                     <mo>
                       ) 
                     </mo> 
                    </mrow> 
                   </mrow> 
                   <mrow> 
                    <mo>
                      − 
                    </mo> 
                    <mn>
                      1 
                    </mn> 
                   </mrow> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                  <mo>
                    − 
                  </mo> 
                  <msubsup> 
                   <mi>
                     F 
                   </mi> 
                   <mrow> 
                    <msubsup> 
                     <mover accent="true"> 
                      <mi mathvariant="script">
                        T 
                      </mi> 
                      <mo>
                        ^ 
                      </mo> 
                     </mover> 
                     <mrow> 
                      <mtext>
                        DS 
                      </mtext> 
                     </mrow> 
                     <mi>
                       π 
                     </mi> 
                    </msubsup> 
                    <msup> 
                     <mover accent="true"> 
                      <mi>
                        Z 
                      </mi> 
                      <mo>
                        ^ 
                      </mo> 
                     </mover> 
                     <mi>
                       k 
                     </mi> 
                    </msup> 
                    <mrow> 
                     <mo>
                       ( 
                     </mo> 
                     <mrow> 
                      <mi>
                        s 
                      </mi> 
                      <mo>
                        , 
                      </mo> 
                      <mi>
                        a 
                      </mi> 
                     </mrow> 
                     <mo>
                       ) 
                     </mo> 
                    </mrow> 
                   </mrow> 
                   <mrow> 
                    <mo>
                      − 
                    </mo> 
                    <mn>
                      1 
                    </mn> 
                   </mrow> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mo>
                   | 
                 </mo> 
                </mrow> 
               </mrow> 
               <mrow> 
                <mi>
                  p 
                </mi> 
                <mo>
                  − 
                </mo> 
                <mn>
                  1 
                </mn> 
               </mrow> 
              </msup> 
              <mtext>
                sign 
              </mtext> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <msubsup> 
                 <mi>
                   F 
                 </mi> 
                 <mrow> 
                  <mi>
                    Z 
                  </mi> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mrow> 
                  <mo>
                    − 
                  </mo> 
                  <mn>
                    1 
                  </mn> 
                 </mrow> 
                </msubsup> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mi>
                   τ 
                 </mi> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
                <mo>
                  − 
                </mo> 
                <msubsup> 
                 <mi>
                   F 
                 </mi> 
                 <mrow> 
                  <msubsup> 
                   <mover accent="true"> 
                    <mi mathvariant="script">
                      T 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mrow> 
                    <mtext>
                      DS 
                    </mtext> 
                   </mrow> 
                   <mi>
                     π 
                   </mi> 
                  </msubsup> 
                  <msup> 
                   <mover accent="true"> 
                    <mi>
                      Z 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mi>
                     k 
                   </mi> 
                  </msup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mrow> 
                  <mo>
                    − 
                  </mo> 
                  <mn>
                    1 
                  </mn> 
                 </mrow> 
                </msubsup> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mi>
                   τ 
                 </mi> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </mrow> 
           </mrow> 
          </mrow> 
         </mstyle> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mo>
           + 
         </mo> 
         <mi>
           β 
         </mi> 
         <msub> 
          <mi>
            c 
          </mi> 
          <mn>
            0 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mrow> 
          <mrow> 
           <mi>
             p 
           </mi> 
           <msup> 
            <mrow> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mrow> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mover accent="true"> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                | 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mi>
               p 
             </mi> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msup> 
           <mtext>
             sign 
           </mtext> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mover accent="true"> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ^ 
                  </mo> 
                 </mover> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
         <msub> 
          <mi>
            ϕ 
          </mi> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mtext>
           d 
         </mtext> 
         <mi>
           τ 
         </mi> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>Owning to some perturbation 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          G 
        </mi> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mi>
          ε 
        </mi> 
       </msubsup> 
      </mrow> 
     </math> will cause the objective value to decrease, so the above equation must be equal to 0 for 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
      </mrow> 
     </math>. If 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ϕ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> does not equal zero for each 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         , 
       </mo> 
       <mi>
         a 
       </mi> 
      </mrow> 
     </math>, since 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ϕ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> is arbitrary, it will also cause the above equation to be not equal to 0. Therefore, we obtain</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <msubsup> 
            <mo>
              ∫ 
            </mo> 
            <mn>
              0 
            </mn> 
            <mn>
              1 
            </mn> 
           </msubsup> 
           <mrow> 
            <mrow> 
             <mo>
               [ 
             </mo> 
             <mrow> 
              <mi>
                p 
              </mi> 
              <msup> 
               <mrow> 
                <mrow> 
                 <mo>
                   | 
                 </mo> 
                 <mrow> 
                  <msubsup> 
                   <mi>
                     F 
                   </mi> 
                   <mrow> 
                    <mi>
                      Z 
                    </mi> 
                    <mrow> 
                     <mo>
                       ( 
                     </mo> 
                     <mrow> 
                      <mi>
                        s 
                      </mi> 
                      <mo>
                        , 
                      </mo> 
                      <mi>
                        a 
                      </mi> 
                     </mrow> 
                     <mo>
                       ) 
                     </mo> 
                    </mrow> 
                   </mrow> 
                   <mrow> 
                    <mo>
                      − 
                    </mo> 
                    <mn>
                      1 
                    </mn> 
                   </mrow> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                  <mo>
                    − 
                  </mo> 
                  <msubsup> 
                   <mi>
                     F 
                   </mi> 
                   <mrow> 
                    <msubsup> 
                     <mover accent="true"> 
                      <mi mathvariant="script">
                        T 
                      </mi> 
                      <mo>
                        ^ 
                      </mo> 
                     </mover> 
                     <mrow> 
                      <mtext>
                        DS 
                      </mtext> 
                     </mrow> 
                     <mi>
                       π 
                     </mi> 
                    </msubsup> 
                    <msup> 
                     <mover accent="true"> 
                      <mi>
                        Z 
                      </mi> 
                      <mo>
                        ^ 
                      </mo> 
                     </mover> 
                     <mi>
                       k 
                     </mi> 
                    </msup> 
                    <mrow> 
                     <mo>
                       ( 
                     </mo> 
                     <mrow> 
                      <mi>
                        s 
                      </mi> 
                      <mo>
                        , 
                      </mo> 
                      <mi>
                        a 
                      </mi> 
                     </mrow> 
                     <mo>
                       ) 
                     </mo> 
                    </mrow> 
                   </mrow> 
                   <mrow> 
                    <mo>
                      − 
                    </mo> 
                    <mn>
                      1 
                    </mn> 
                   </mrow> 
                  </msubsup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mi>
                     τ 
                   </mi> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mo>
                   | 
                 </mo> 
                </mrow> 
               </mrow> 
               <mrow> 
                <mi>
                  p 
                </mi> 
                <mo>
                  − 
                </mo> 
                <mn>
                  1 
                </mn> 
               </mrow> 
              </msup> 
              <mtext>
                sign 
              </mtext> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <msubsup> 
                 <mi>
                   F 
                 </mi> 
                 <mrow> 
                  <mi>
                    Z 
                  </mi> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mrow> 
                  <mo>
                    − 
                  </mo> 
                  <mn>
                    1 
                  </mn> 
                 </mrow> 
                </msubsup> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mi>
                   τ 
                 </mi> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
                <mo>
                  − 
                </mo> 
                <msubsup> 
                 <mi>
                   F 
                 </mi> 
                 <mrow> 
                  <msubsup> 
                   <mover accent="true"> 
                    <mi mathvariant="script">
                      T 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mrow> 
                    <mtext>
                      DS 
                    </mtext> 
                   </mrow> 
                   <mi>
                     π 
                   </mi> 
                  </msubsup> 
                  <msup> 
                   <mover accent="true"> 
                    <mi>
                      Z 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mi>
                     k 
                   </mi> 
                  </msup> 
                  <mrow> 
                   <mo>
                     ( 
                   </mo> 
                   <mrow> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      , 
                    </mo> 
                    <mi>
                      a 
                    </mi> 
                   </mrow> 
                   <mo>
                     ) 
                   </mo> 
                  </mrow> 
                 </mrow> 
                 <mrow> 
                  <mo>
                    − 
                  </mo> 
                  <mn>
                    1 
                  </mn> 
                 </mrow> 
                </msubsup> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mi>
                   τ 
                 </mi> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </mrow> 
           </mrow> 
          </mrow> 
         </mstyle> 
         <mo>
           + 
         </mo> 
         <mi>
           β 
         </mi> 
         <msub> 
          <mi>
            c 
          </mi> 
          <mn>
            0 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           + 
         </mo> 
         <mrow> 
          <mrow> 
           <mi>
             p 
           </mi> 
           <msup> 
            <mrow> 
             <mrow> 
              <mo>
                | 
              </mo> 
              <mrow> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mover accent="true"> 
                    <mi>
                      s 
                    </mi> 
                    <mo>
                      ^ 
                    </mo> 
                   </mover> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <msubsup> 
                <mi>
                  F 
                </mi> 
                <mrow> 
                 <mi>
                   Z 
                 </mi> 
                 <mrow> 
                  <mo>
                    ( 
                  </mo> 
                  <mrow> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     , 
                   </mo> 
                   <mi>
                     a 
                   </mi> 
                  </mrow> 
                  <mo>
                    ) 
                  </mo> 
                 </mrow> 
                </mrow> 
                <mrow> 
                 <mo>
                   − 
                 </mo> 
                 <mn>
                   1 
                 </mn> 
                </mrow> 
               </msubsup> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mi>
                  τ 
                </mi> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                | 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mi>
               p 
             </mi> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msup> 
           <mtext>
             sign 
           </mtext> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mover accent="true"> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ^ 
                  </mo> 
                 </mover> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <msubsup> 
              <mi>
                F 
              </mi> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msubsup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mi>
                τ 
              </mi> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
         <msub> 
          <mi>
            ϕ 
          </mi> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mtext>
           d 
         </mtext> 
         <mi>
           τ 
         </mi> 
         <mo>
           = 
         </mo> 
         <mn>
           0. 
         </mn> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>for all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         , 
       </mo> 
       <mi>
         a 
       </mi> 
      </mrow> 
     </math>. According to the above term is zero for all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ϕ 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>, we have</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <mi>
           p 
         </mi> 
         <msup> 
          <mrow> 
           <mo>
             | 
           </mo> 
           <mrow> 
            <msubsup> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                Z 
              </mi> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
             <mrow> 
              <mo>
                − 
              </mo> 
              <mn>
                1 
              </mn> 
             </mrow> 
            </msubsup> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                s 
              </mi> 
              <mo>
                , 
              </mo> 
              <mi>
                a 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               τ 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              − 
            </mo> 
            <msubsup> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <msubsup> 
               <mover accent="true"> 
                <mi mathvariant="script">
                  T 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mrow> 
                <mtext>
                  DS 
                </mtext> 
               </mrow> 
               <mi>
                 π 
               </mi> 
              </msubsup> 
              <msup> 
               <mover accent="true"> 
                <mi>
                  Z 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mi>
                 k 
               </mi> 
              </msup> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
             <mrow> 
              <mo>
                − 
              </mo> 
              <mn>
                1 
              </mn> 
             </mrow> 
            </msubsup> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               τ 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             | 
           </mo> 
          </mrow> 
          <mrow> 
           <mi>
             p 
           </mi> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <mtext>
           sign 
         </mtext> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <msubsup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <mtext>
                 DS 
               </mtext> 
              </mrow> 
              <mi>
                π 
              </mi> 
             </msubsup> 
             <msup> 
              <mover accent="true"> 
               <mi>
                 Z 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mi>
                k 
              </mi> 
             </msup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           + 
         </mo> 
         <mtext>
             
         </mtext> 
         <mi>
           β 
         </mi> 
         <msub> 
          <mi>
            c 
          </mi> 
          <mn>
            0 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mi>
           p 
         </mi> 
         <msup> 
          <mrow> 
           <mo>
             | 
           </mo> 
           <mrow> 
            <msubsup> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                Z 
              </mi> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mover accent="true"> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   ^ 
                 </mo> 
                </mover> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
             <mrow> 
              <mo>
                − 
              </mo> 
              <mn>
                1 
              </mn> 
             </mrow> 
            </msubsup> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               τ 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              − 
            </mo> 
            <msubsup> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                Z 
              </mi> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
             <mrow> 
              <mo>
                − 
              </mo> 
              <mn>
                1 
              </mn> 
             </mrow> 
            </msubsup> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               τ 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             | 
           </mo> 
          </mrow> 
          <mrow> 
           <mi>
             p 
           </mi> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <mtext>
           sign 
         </mtext> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mover accent="true"> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ^ 
                </mo> 
               </mover> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           = 
         </mo> 
         <mn>
           0. 
         </mn> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>According to Assumption 3, the above equation can be converted to</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         p 
       </mi> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            | 
          </mo> 
          <mrow> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <msubsup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <mtext>
                 DS 
               </mtext> 
              </mrow> 
              <mi>
                π 
              </mi> 
             </msubsup> 
             <msup> 
              <mover accent="true"> 
               <mi>
                 Z 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mi>
                k 
              </mi> 
             </msup> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              τ 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            | 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mi>
           p 
         </mi> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msup> 
       <mtext>
         sign 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <mi>
             Z 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msubsup> 
            <mover accent="true"> 
             <mi mathvariant="script">
               T 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
            <mrow> 
             <mtext>
               DS 
             </mtext> 
            </mrow> 
            <mi>
              π 
            </mi> 
           </msubsup> 
           <msup> 
            <mover accent="true"> 
             <mi>
               Z 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
            <mi>
              k 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mi>
         β 
       </mi> 
       <msub> 
        <mi>
          c 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ± 
       </mo> 
       <msup> 
        <mi>
          σ 
        </mi> 
        <mrow> 
         <mi>
           p 
         </mi> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msup> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math></p>
    <p>which holds if and only if</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msubsup> 
          <mover accent="true"> 
           <mi mathvariant="script">
             T 
           </mi> 
           <mo>
             ^ 
           </mo> 
          </mover> 
          <mrow> 
           <mtext>
             DS 
           </mtext> 
          </mrow> 
          <mi>
            π 
          </mi> 
         </msubsup> 
         <msup> 
          <mover accent="true"> 
           <mi>
             Z 
           </mi> 
           <mo>
             ^ 
           </mo> 
          </mover> 
          <mi>
            k 
          </mi> 
         </msup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         − 
       </mo> 
       <mi>
         c 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math></p>
    <p>where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         c 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            | 
          </mo> 
          <mrow> 
           <mi>
             β 
           </mi> 
           <msup> 
            <mi>
              p 
            </mi> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msup> 
           <msub> 
            <mi>
              c 
            </mi> 
            <mn>
              0 
            </mn> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             ± 
           </mo> 
           <msup> 
            <mi>
              σ 
            </mi> 
            <mrow> 
             <mi>
               p 
             </mi> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msup> 
          </mrow> 
          <mo>
            | 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mfrac> 
          <mn>
            1 
          </mn> 
          <mrow> 
           <mi>
             p 
           </mi> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </mfrac> 
        </mrow> 
       </msup> 
       <mo>
         ⋅ 
       </mo> 
       <mtext>
         sign 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            c 
          </mi> 
          <mn>
            0 
          </mn> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. ≤</p>
    <p>Lemma 2. For all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         δ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi>
          ℝ 
        </mi> 
        <mrow> 
         <mo>
           &gt; 
         </mo> 
         <mn>
           0 
         </mn> 
        </mrow> 
       </msub> 
      </mrow> 
     </math>, with probability at least 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mn>
         1 
       </mn> 
       <mo>
         − 
       </mo> 
       <mi>
         δ 
       </mi> 
      </mrow> 
     </math>, for any 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         Z 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         Z 
       </mi> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         D 
       </mi> 
      </mrow> 
     </math>, we have </p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mrow> 
         <mrow> 
          <mo>
            ‖ 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <msup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mi>
                π 
              </mi> 
             </msup> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mo>
             − 
           </mo> 
           <msub> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <msup> 
              <mi mathvariant="script">
                T 
              </mi> 
              <mi>
                π 
              </mi> 
             </msup> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
          </mrow> 
          <mo>
            ‖ 
          </mo> 
         </mrow> 
        </mrow> 
        <mi>
          ∞ 
        </mi> 
       </msub> 
       <mo>
         ≤ 
       </mo> 
       <msqrt> 
        <mrow> 
         <mfrac> 
          <mrow> 
           <mn>
             5 
           </mn> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              S 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mi>
             n 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </mfrac> 
         <mtext>
           log 
         </mtext> 
         <mfrac> 
          <mrow> 
           <mn>
             4 
           </mn> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              S 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              A 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
          </mrow> 
          <mi>
            δ 
          </mi> 
         </mfrac> 
        </mrow> 
       </msqrt> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math>(6)</p>
    <p>where 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         n 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> represents the number of occurrences of 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> in 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi mathvariant="script">
        D 
      </mi> 
     </math>.</p>
    <p>Proof. Applying the definition of distributional soft Bellman operator to the cumulative density function, we obtain that</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML" display="inline"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msubsup> 
            <mover accent="true"> 
             <mi mathvariant="script">
               T 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
            <mrow> 
             <mtext>
               DS 
             </mtext> 
            </mrow> 
            <mi>
              π 
            </mi> 
           </msubsup> 
           <mi>
             Z 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            x 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msubsup> 
            <mi mathvariant="script">
              T 
            </mi> 
            <mrow> 
             <mtext>
               DS 
             </mtext> 
            </mrow> 
            <mi>
              π 
            </mi> 
           </msubsup> 
           <mi>
             Z 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            x 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           = 
         </mo> 
         <munder> 
          <mstyle displaystyle="true" mathsize="140%"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
         </munder> 
         <mtext>
             
         </mtext> 
         <mover accent="true"> 
          <mi>
            P 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <mi>
             γ 
           </mi> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 , 
               </mo> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <mi>
               c 
             </mi> 
             <mo>
               ⋅ 
             </mo> 
             <mi>
               log 
             </mi> 
             <mi>
               π 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 | 
               </mo> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <mover accent="true"> 
            <mi>
              R 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            x 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mtext>
             
         </mtext> 
         <mo>
           − 
         </mo> 
         <munder> 
          <mstyle displaystyle="true" mathsize="140%"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
         </munder> 
         <mtext>
             
         </mtext> 
         <mi>
           P 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <mi>
             γ 
           </mi> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 , 
               </mo> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <mi>
               c 
             </mi> 
             <mo>
               ⋅ 
             </mo> 
             <mi>
               log 
             </mi> 
             <mi>
               π 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 | 
               </mo> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <mi>
             R 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            x 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>Adding and subtracting 
     <math display="inline" xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mstyle displaystyle="true"> 
        <msub> 
         <mo>
           ∑ 
         </mo> 
         <mrow> 
          <msup> 
           <mi>
             s 
           </mi> 
           <mo>
             ′ 
           </mo> 
          </msup> 
          <mo>
            , 
          </mo> 
          <msup> 
           <mi>
             a 
           </mi> 
           <mo>
             ′ 
           </mo> 
          </msup> 
         </mrow> 
        </msub> 
        <mover accent="true"> 
         <mi>
           P 
         </mi> 
         <mo>
           ^ 
         </mo> 
        </mover> 
       </mstyle> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
         <mo>
           | 
         </mo> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mi>
         π 
       </mi> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msup> 
          <mi>
            a 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
         <mo>
           | 
         </mo> 
         <msup> 
          <mi>
            s 
          </mi> 
          <mo>
            ′ 
          </mo> 
         </msup> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <msub> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           γ 
         </mi> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <mi>
             Z 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <msup> 
              <mi>
                s 
              </mi> 
              <mo>
                ′ 
              </mo> 
             </msup> 
             <mo>
               , 
             </mo> 
             <msup> 
              <mi>
                a 
              </mi> 
              <mo>
                ′ 
              </mo> 
             </msup> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <mi>
             c 
           </mi> 
           <mo>
             ⋅ 
           </mo> 
           <mi>
             log 
           </mi> 
           <mi>
             π 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <msup> 
              <mi>
                a 
              </mi> 
              <mo>
                ′ 
              </mo> 
             </msup> 
             <mo>
               | 
             </mo> 
             <msup> 
              <mi>
                s 
              </mi> 
              <mo>
                ′ 
              </mo> 
             </msup> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mi>
           R 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          x 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> from this expression gives</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML" display="inline"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <munder> 
          <mstyle displaystyle="true" mathsize="140%"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
         </munder> 
         <mtext>
             
         </mtext> 
         <mover accent="true"> 
          <mi>
            P 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               γ 
             </mi> 
             <mrow> 
              <mo>
                [ 
              </mo> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msup> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                 <mo>
                   , 
                 </mo> 
                 <msup> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <mi>
                 c 
               </mi> 
               <mo>
                 ⋅ 
               </mo> 
               <mi>
                 log 
               </mi> 
               <mi>
                 π 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msup> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                 <mo>
                   | 
                 </mo> 
                 <msup> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                ] 
              </mo> 
             </mrow> 
             <mo>
               + 
             </mo> 
             <mover accent="true"> 
              <mi>
                R 
              </mi> 
              <mo>
                ^ 
              </mo> 
             </mover> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              x 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <msub> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               γ 
             </mi> 
             <mrow> 
              <mo>
                [ 
              </mo> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msup> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                 <mo>
                   , 
                 </mo> 
                 <msup> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <mi>
                 c 
               </mi> 
               <mo>
                 ⋅ 
               </mo> 
               <mi>
                 log 
               </mi> 
               <mi>
                 π 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msup> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                 <mo>
                   | 
                 </mo> 
                 <msup> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                ] 
              </mo> 
             </mrow> 
             <mo>
               + 
             </mo> 
             <mi>
               R 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              x 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           + 
         </mo> 
         <munder> 
          <mstyle displaystyle="true" mathsize="140%"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
         </munder> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mover accent="true"> 
            <mi>
              P 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <msup> 
              <mi>
                s 
              </mi> 
              <mo>
                ′ 
              </mo> 
             </msup> 
             <mo>
               | 
             </mo> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <mi>
             P 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <msup> 
              <mi>
                s 
              </mi> 
              <mo>
                ′ 
              </mo> 
             </msup> 
             <mo>
               | 
             </mo> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <mi>
             γ 
           </mi> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 , 
               </mo> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <mi>
               c 
             </mi> 
             <mo>
               ⋅ 
             </mo> 
             <mi>
               log 
             </mi> 
             <mi>
               π 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 | 
               </mo> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <mi>
             R 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            x 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>We proceed by bounding the two terms in the summation. For the first term,</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML" display="inline"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <mi>
             γ 
           </mi> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 , 
               </mo> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <mi>
               c 
             </mi> 
             <mo>
               ⋅ 
             </mo> 
             <mi>
               log 
             </mi> 
             <mi>
               π 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 | 
               </mo> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <mover accent="true"> 
            <mi>
              R 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            x 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <mi>
             γ 
           </mi> 
           <mrow> 
            <mo>
              [ 
            </mo> 
            <mrow> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 , 
               </mo> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
             <mo>
               − 
             </mo> 
             <mi>
               c 
             </mi> 
             <mo>
               ⋅ 
             </mo> 
             <mi>
               log 
             </mi> 
             <mi>
               π 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <msup> 
                <mi>
                  a 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
               <mo>
                 | 
               </mo> 
               <msup> 
                <mi>
                  s 
                </mi> 
                <mo>
                  ′ 
                </mo> 
               </msup> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mo>
              ] 
            </mo> 
           </mrow> 
           <mo>
             + 
           </mo> 
           <mi>
             R 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            x 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           = 
         </mo> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <mo>
             ∫ 
           </mo> 
           <mrow> 
            <mrow> 
             <mo>
               [ 
             </mo> 
             <mrow> 
              <msub> 
               <mi>
                 F 
               </mi> 
               <mrow> 
                <mover accent="true"> 
                 <mi>
                   R 
                 </mi> 
                 <mo>
                   ^ 
                 </mo> 
                </mover> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    , 
                  </mo> 
                  <mi>
                    a 
                  </mi> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
              </msub> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mi>
                 r 
               </mi> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
              <mo>
                − 
              </mo> 
              <msub> 
               <mi>
                 F 
               </mi> 
               <mrow> 
                <mi>
                  R 
                </mi> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    , 
                  </mo> 
                  <mi>
                    a 
                  </mi> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
              </msub> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mi>
                 r 
               </mi> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
             <mo>
               ] 
             </mo> 
            </mrow> 
            <mtext>
              d 
            </mtext> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                γ 
              </mi> 
              <mrow> 
               <mo>
                 [ 
               </mo> 
               <mrow> 
                <mi>
                  Z 
                </mi> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <msup> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                  <mo>
                    , 
                  </mo> 
                  <msup> 
                   <mi>
                     a 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
                <mo>
                  − 
                </mo> 
                <mi>
                  c 
                </mi> 
                <mo>
                  ⋅ 
                </mo> 
                <mi>
                  log 
                </mi> 
                <mi>
                  π 
                </mi> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <msup> 
                   <mi>
                     a 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                  <mo>
                    | 
                  </mo> 
                  <msup> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
               <mo>
                 ] 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                x 
              </mi> 
              <mo>
                − 
              </mo> 
              <mi>
                r 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
          </mrow> 
         </mstyle> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           ≤ 
         </mo> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <mo>
             ∫ 
           </mo> 
           <mrow> 
            <mrow> 
             <mo>
               | 
             </mo> 
             <mrow> 
              <msub> 
               <mi>
                 F 
               </mi> 
               <mrow> 
                <mover accent="true"> 
                 <mi>
                   R 
                 </mi> 
                 <mo>
                   ^ 
                 </mo> 
                </mover> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    , 
                  </mo> 
                  <mi>
                    a 
                  </mi> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
              </msub> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mi>
                 r 
               </mi> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
              <mo>
                − 
              </mo> 
              <msub> 
               <mi>
                 F 
               </mi> 
               <mrow> 
                <mi>
                  R 
                </mi> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    , 
                  </mo> 
                  <mi>
                    a 
                  </mi> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
              </msub> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mi>
                 r 
               </mi> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
             <mo>
               | 
             </mo> 
            </mrow> 
            <mtext>
              d 
            </mtext> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                γ 
              </mi> 
              <mrow> 
               <mo>
                 [ 
               </mo> 
               <mrow> 
                <mi>
                  Z 
                </mi> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <msup> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                  <mo>
                    , 
                  </mo> 
                  <msup> 
                   <mi>
                     a 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
                <mo>
                  − 
                </mo> 
                <mi>
                  c 
                </mi> 
                <mo>
                  ⋅ 
                </mo> 
                <mi>
                  log 
                </mi> 
                <mi>
                  π 
                </mi> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <msup> 
                   <mi>
                     a 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                  <mo>
                    | 
                  </mo> 
                  <msup> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
               <mo>
                 ] 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                x 
              </mi> 
              <mo>
                − 
              </mo> 
              <mi>
                r 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
          </mrow> 
         </mstyle> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           ≤ 
         </mo> 
         <munder> 
          <mrow> 
           <mtext>
             sup 
           </mtext> 
          </mrow> 
          <mi>
            r 
          </mi> 
         </munder> 
         <mrow> 
          <mo>
            | 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mover accent="true"> 
              <mi>
                R 
              </mi> 
              <mo>
                ^ 
              </mo> 
             </mover> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              r 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <msub> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               R 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              r 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            | 
          </mo> 
         </mrow> 
         <mstyle displaystyle="true"> 
          <mrow> 
           <mo>
             ∫ 
           </mo> 
           <mrow> 
            <mtext>
              d 
            </mtext> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                γ 
              </mi> 
              <mrow> 
               <mo>
                 [ 
               </mo> 
               <mrow> 
                <mi>
                  Z 
                </mi> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <msup> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                  <mo>
                    , 
                  </mo> 
                  <msup> 
                   <mi>
                     a 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
                <mo>
                  − 
                </mo> 
                <mi>
                  c 
                </mi> 
                <mo>
                  ⋅ 
                </mo> 
                <mi>
                  log 
                </mi> 
                <mi>
                  π 
                </mi> 
                <mrow> 
                 <mo>
                   ( 
                 </mo> 
                 <mrow> 
                  <msup> 
                   <mi>
                     a 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                  <mo>
                    | 
                  </mo> 
                  <msup> 
                   <mi>
                     s 
                   </mi> 
                   <mo>
                     ′ 
                   </mo> 
                  </msup> 
                 </mrow> 
                 <mo>
                   ) 
                 </mo> 
                </mrow> 
               </mrow> 
               <mo>
                 ] 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mrow> 
              <mi>
                x 
              </mi> 
              <mo>
                − 
              </mo> 
              <mi>
                r 
              </mi> 
             </mrow> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
          </mrow> 
         </mstyle> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           = 
         </mo> 
         <msub> 
          <mrow> 
           <mo>
             ‖ 
           </mo> 
           <mrow> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mover accent="true"> 
               <mi>
                 R 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               r 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              − 
            </mo> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                R 
              </mi> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               r 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             ‖ 
           </mo> 
          </mrow> 
          <mi>
            ∞ 
          </mi> 
         </msub> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>Therefore,</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML" display="inline"> <mtable columnalign="left"> 
       <mtr> 
        <mtd> 
         <munder> 
          <mstyle displaystyle="true" mathsize="140%"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
         </munder> 
         <mtext>
             
         </mtext> 
         <mover accent="true"> 
          <mi>
            P 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msub> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               γ 
             </mi> 
             <mrow> 
              <mo>
                [ 
              </mo> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msup> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                 <mo>
                   , 
                 </mo> 
                 <msup> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <mi>
                 c 
               </mi> 
               <mo>
                 ⋅ 
               </mo> 
               <mi>
                 log 
               </mi> 
               <mi>
                 π 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msup> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                 <mo>
                   | 
                 </mo> 
                 <msup> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                ] 
              </mo> 
             </mrow> 
             <mo>
               + 
             </mo> 
             <mover accent="true"> 
              <mi>
                R 
              </mi> 
              <mo>
                ^ 
              </mo> 
             </mover> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              x 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <msub> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mi>
               γ 
             </mi> 
             <mrow> 
              <mo>
                [ 
              </mo> 
              <mrow> 
               <mi>
                 Z 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msup> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                 <mo>
                   , 
                 </mo> 
                 <msup> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
               <mo>
                 − 
               </mo> 
               <mi>
                 c 
               </mi> 
               <mo>
                 ⋅ 
               </mo> 
               <mi>
                 log 
               </mi> 
               <mi>
                 π 
               </mi> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <msup> 
                  <mi>
                    a 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                 <mo>
                   | 
                 </mo> 
                 <msup> 
                  <mi>
                    s 
                  </mi> 
                  <mo>
                    ′ 
                  </mo> 
                 </msup> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mo>
                ] 
              </mo> 
             </mrow> 
             <mo>
               + 
             </mo> 
             <mi>
               R 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mi>
              x 
            </mi> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           ≤ 
         </mo> 
         <munder> 
          <mstyle displaystyle="true" mathsize="140%"> 
           <mo>
             ∑ 
           </mo> 
          </mstyle> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             , 
           </mo> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
         </munder> 
         <mtext>
             
         </mtext> 
         <mover accent="true"> 
          <mi>
            P 
          </mi> 
          <mo>
            ^ 
          </mo> 
         </mover> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mi>
           π 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              a 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
           <mo>
             | 
           </mo> 
           <msup> 
            <mi>
              s 
            </mi> 
            <mo>
              ′ 
            </mo> 
           </msup> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <msub> 
          <mrow> 
           <mo>
             ‖ 
           </mo> 
           <mrow> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mover accent="true"> 
               <mi>
                 R 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               r 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              − 
            </mo> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                R 
              </mi> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               r 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             ‖ 
           </mo> 
          </mrow> 
          <mi>
            ∞ 
          </mi> 
         </msub> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           = 
         </mo> 
         <msub> 
          <mrow> 
           <mo>
             ‖ 
           </mo> 
           <mrow> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mover accent="true"> 
               <mi>
                 R 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               r 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
            <mo>
              − 
            </mo> 
            <msub> 
             <mi>
               F 
             </mi> 
             <mrow> 
              <mi>
                R 
              </mi> 
              <mrow> 
               <mo>
                 ( 
               </mo> 
               <mrow> 
                <mi>
                  s 
                </mi> 
                <mo>
                  , 
                </mo> 
                <mi>
                  a 
                </mi> 
               </mrow> 
               <mo>
                 ) 
               </mo> 
              </mrow> 
             </mrow> 
            </msub> 
            <mrow> 
             <mo>
               ( 
             </mo> 
             <mi>
               r 
             </mi> 
             <mo>
               ) 
             </mo> 
            </mrow> 
           </mrow> 
           <mo>
             ‖ 
           </mo> 
          </mrow> 
          <mi>
            ∞ 
          </mi> 
         </msub> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>The following derivation process is similar to CODAC <xref ref-type="bibr" rid="scirp.142024-15">
      [15]
     </xref>, so we can finally obtain the above conclusion.</p>
    <p>It has been proved in CODAC that if 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mrow> 
         <mrow> 
          <mo>
            ‖ 
          </mo> 
          <mrow> 
           <mi>
             F 
           </mi> 
           <mo>
             − 
           </mo> 
           <mi>
             G 
           </mi> 
          </mrow> 
          <mo>
            ‖ 
          </mo> 
         </mrow> 
        </mrow> 
        <mi>
          ∞ 
        </mi> 
       </msub> 
       <mo>
         ≤ 
       </mo> 
       <mi>
         ϵ 
       </mi> 
      </mrow> 
     </math>, then 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mrow> 
         <mrow> 
          <mo>
            ‖ 
          </mo> 
          <mrow> 
           <msup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msup> 
           <mo>
             − 
           </mo> 
           <msup> 
            <mi>
              G 
            </mi> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msup> 
          </mrow> 
          <mo>
            ‖ 
          </mo> 
         </mrow> 
        </mrow> 
        <mi>
          ∞ 
        </mi> 
       </msub> 
       <mo>
         ≤ 
       </mo> 
       <mrow> 
        <mi>
          ϵ 
        </mi> 
        <mo>
          / 
        </mo> 
        <mi>
          ζ 
        </mi> 
       </mrow> 
      </mrow> 
     </math>, where F and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        G 
      </mi> 
     </math> are two cumulative distribution functions (CDFs) with support 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        χ 
      </mi> 
     </math>, and F is 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        ζ 
      </mi> 
     </math>-strongly monotone. Thus, according to Lemma 2, we have</p>
    <p>Lemma 3. For any return distributional Z with 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        ζ 
      </mi> 
     </math>-strongly monotone CDF 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
       </msub> 
      </mrow> 
     </math> and any 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         δ 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <msub> 
        <mi>
          ℝ 
        </mi> 
        <mrow> 
         <mo>
           &gt; 
         </mo> 
         <mn>
           0 
         </mn> 
        </mrow> 
       </msub> 
      </mrow> 
     </math>, with probability at least 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mn>
         1 
       </mn> 
       <mo>
         − 
       </mo> 
       <mi>
         δ 
       </mi> 
      </mrow> 
     </math>, for all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         D 
       </mi> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math>, we have </p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mrow> 
         <mrow> 
          <mo>
            ‖ 
          </mo> 
          <mrow> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <msubsup> 
              <mover accent="true"> 
               <mi mathvariant="script">
                 T 
               </mi> 
               <mo>
                 ^ 
               </mo> 
              </mover> 
              <mrow> 
               <mtext>
                 DS 
               </mtext> 
              </mrow> 
              <mi>
                π 
              </mi> 
             </msubsup> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
           <mo>
             − 
           </mo> 
           <msubsup> 
            <mi>
              F 
            </mi> 
            <mrow> 
             <msup> 
              <mi mathvariant="script">
                T 
              </mi> 
              <mi>
                π 
              </mi> 
             </msup> 
             <mi>
               Z 
             </mi> 
             <mrow> 
              <mo>
                ( 
              </mo> 
              <mrow> 
               <mi>
                 s 
               </mi> 
               <mo>
                 , 
               </mo> 
               <mi>
                 a 
               </mi> 
              </mrow> 
              <mo>
                ) 
              </mo> 
             </mrow> 
            </mrow> 
            <mrow> 
             <mo>
               − 
             </mo> 
             <mn>
               1 
             </mn> 
            </mrow> 
           </msubsup> 
          </mrow> 
          <mo>
            ‖ 
          </mo> 
         </mrow> 
        </mrow> 
        <mi>
          ∞ 
        </mi> 
       </msub> 
       <mo>
         ≤ 
       </mo> 
       <mfrac> 
        <mn>
          1 
        </mn> 
        <mi>
          ζ 
        </mi> 
       </mfrac> 
       <msqrt> 
        <mrow> 
         <mfrac> 
          <mrow> 
           <mn>
             5 
           </mn> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              S 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mi>
             n 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </mfrac> 
         <mtext>
           log 
         </mtext> 
         <mfrac> 
          <mrow> 
           <mn>
             4 
           </mn> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              S 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              A 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
          </mrow> 
          <mi>
            δ 
          </mi> 
         </mfrac> 
        </mrow> 
       </msqrt> 
       <mo>
         . 
       </mo> 
      </mrow> 
     </math></p>
    <p>Let 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mtext>
         Δ 
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         = 
       </mo> 
       <mfrac> 
        <mn>
          1 
        </mn> 
        <mi>
          ζ 
        </mi> 
       </mfrac> 
       <msqrt> 
        <mrow> 
         <mfrac> 
          <mrow> 
           <mn>
             5 
           </mn> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              S 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mi>
             n 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </mfrac> 
         <mtext>
           log 
         </mtext> 
         <mfrac> 
          <mrow> 
           <mn>
             4 
           </mn> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              S 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
           <mrow> 
            <mo>
              | 
            </mo> 
            <mi mathvariant="script">
              A 
            </mi> 
            <mo>
              | 
            </mo> 
           </mrow> 
          </mrow> 
          <mi>
            δ 
          </mi> 
         </mfrac> 
        </mrow> 
       </msqrt> 
      </mrow> 
     </math> and followed by Lemma 1</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable> 
       <mtr> 
        <mtd> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msup> 
            <mover accent="true"> 
             <mi mathvariant="script">
               T 
             </mi> 
             <mo>
               ˜ 
             </mo> 
            </mover> 
            <mi>
              π 
            </mi> 
           </msup> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mi>
              π 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           = 
         </mo> 
         <msub> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msubsup> 
            <mover accent="true"> 
             <mi mathvariant="script">
               T 
             </mi> 
             <mo>
               ^ 
             </mo> 
            </mover> 
            <mrow> 
             <mtext>
               DS 
             </mtext> 
            </mrow> 
            <mi>
              π 
            </mi> 
           </msubsup> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mi>
              π 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <mi>
           c 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           ≤ 
         </mo> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msup> 
            <mi mathvariant="script">
              T 
            </mi> 
            <mi>
              π 
            </mi> 
           </msup> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mi>
              π 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <mi>
           c 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mtext>
           Δ 
         </mtext> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           = 
         </mo> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mi>
              π 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <mi>
           c 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mtext>
           Δ 
         </mtext> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           , 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math></p>
    <p>the second step holds by Lemma 2 with probability at least 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mn>
         1 
       </mn> 
       <mo>
         − 
       </mo> 
       <mi>
         δ 
       </mi> 
      </mrow> 
     </math>. For any 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         h 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi>
         ℝ 
       </mi> 
      </mrow> 
     </math>, if 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        Z 
      </mi> 
     </math> satisfies 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≥ 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mi mathvariant="script">
            T 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         + 
       </mo> 
       <mi>
         h 
       </mi> 
      </mrow> 
     </math> for all 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         s 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         S 
       </mi> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         a 
       </mi> 
       <mo>
         ∈ 
       </mo> 
       <mi mathvariant="script">
         A 
       </mi> 
      </mrow> 
     </math>, then 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         ≥ 
       </mo> 
       <msubsup> 
        <mi>
          F 
        </mi> 
        <mrow> 
         <msup> 
          <mi mathvariant="script">
            T 
          </mi> 
          <mi>
            π 
          </mi> 
         </msup> 
         <mi>
           Z 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msubsup> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mi>
          τ 
        </mi> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         + 
       </mo> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mn>
             1 
           </mn> 
           <mo>
             − 
           </mo> 
           <mi>
             γ 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msup> 
       <mi>
         h 
       </mi> 
      </mrow> 
     </math> 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mo>
           ∀ 
         </mo> 
         <mi>
           τ 
         </mi> 
         <mo>
           ∈ 
         </mo> 
         <mrow> 
          <mo>
            [ 
          </mo> 
          <mrow> 
           <mn>
             0 
           </mn> 
           <mo>
             , 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
          <mo>
            ] 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. Then,</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mtable> 
       <mtr> 
        <mtd> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mi>
              π 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           ≥ 
         </mo> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msup> 
            <mover accent="true"> 
             <mi mathvariant="script">
               T 
             </mi> 
             <mo>
               ˜ 
             </mo> 
            </mover> 
            <mi>
              π 
            </mi> 
           </msup> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mi>
              π 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <mi>
           c 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           − 
         </mo> 
         <mi>
           Δ 
         </mi> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           ≥ 
         </mo> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msup> 
            <mover accent="true"> 
             <mi mathvariant="script">
               T 
             </mi> 
             <mo>
               ˜ 
             </mo> 
            </mover> 
            <mi>
              π 
            </mi> 
           </msup> 
           <msup> 
            <mi>
              Z 
            </mi> 
            <mi>
              π 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <munder> 
          <mrow> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
         </munder> 
         <mrow> 
          <mo>
            { 
          </mo> 
          <mrow> 
           <mi>
             c 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <mi>
             Δ 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            } 
          </mo> 
         </mrow> 
        </mtd> 
       </mtr> 
       <mtr> 
        <mtd> 
         <mo>
           ≥ 
         </mo> 
         <msubsup> 
          <mi>
            F 
          </mi> 
          <mrow> 
           <msup> 
            <mover accent="true"> 
             <mi>
               Z 
             </mi> 
             <mo>
               ˜ 
             </mo> 
            </mover> 
            <mi>
              π 
            </mi> 
           </msup> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msubsup> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mi>
            τ 
          </mi> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           + 
         </mo> 
         <msup> 
          <mrow> 
           <mo>
             ( 
           </mo> 
           <mrow> 
            <mn>
              1 
            </mn> 
            <mo>
              − 
            </mo> 
            <mi>
              γ 
            </mi> 
           </mrow> 
           <mo>
             ) 
           </mo> 
          </mrow> 
          <mrow> 
           <mo>
             − 
           </mo> 
           <mn>
             1 
           </mn> 
          </mrow> 
         </msup> 
         <munder> 
          <mrow> 
           <mi>
             min 
           </mi> 
          </mrow> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
         </munder> 
         <mrow> 
          <mo>
            { 
          </mo> 
          <mrow> 
           <mi>
             c 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
           <mo>
             − 
           </mo> 
           <mi>
             Δ 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mo>
            } 
          </mo> 
         </mrow> 
         <mo>
           . 
         </mo> 
        </mtd> 
       </mtr> 
      </mtable> 
     </math>(7)</p>
    <p>Notice that since for the last term in Equation (7) to be positive, we need</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         β 
       </mi> 
       <msup> 
        <mi>
          p 
        </mi> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msup> 
       <msub> 
        <mi>
          c 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         + 
       </mo> 
       <msup> 
        <mi>
          σ 
        </mi> 
        <mrow> 
         <mi>
           p 
         </mi> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msup> 
       <mo>
         ≥ 
       </mo> 
       <mtext>
         Δ 
       </mtext> 
       <msup> 
        <mrow> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mi>
             s 
           </mi> 
           <mo>
             , 
           </mo> 
           <mi>
             a 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mrow> 
         <mi>
           p 
         </mi> 
         <mo>
           − 
         </mo> 
         <mn>
           1 
         </mn> 
        </mrow> 
       </msup> 
       <mtext>
           
       </mtext> 
       <mtext>
           
       </mtext> 
       <mtext>
           
       </mtext> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mo>
           ∀ 
         </mo> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         . 
       </mo> 
      </mrow> 
     </math></p>
    <p>Owning to we have assumed that 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          c 
        </mi> 
        <mn>
          0 
        </mn> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
       <mo>
         &gt; 
       </mo> 
       <mn>
         0 
       </mn> 
      </mrow> 
     </math>, then it can be equivalent to</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         β 
       </mi> 
       <mo>
         ≥ 
       </mo> 
       <munder> 
        <mrow> 
         <mtext>
           max 
         </mtext> 
        </mrow> 
        <mrow> 
         <mi>
           s 
         </mi> 
         <mo>
           , 
         </mo> 
         <mi>
           a 
         </mi> 
        </mrow> 
       </munder> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mfrac> 
          <mrow> 
           <mi>
             p 
           </mi> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mtext>
               Δ 
             </mtext> 
             <msup> 
              <mrow> 
               <mrow> 
                <mo>
                  ( 
                </mo> 
                <mrow> 
                 <mi>
                   s 
                 </mi> 
                 <mo>
                   , 
                 </mo> 
                 <mi>
                   a 
                 </mi> 
                </mrow> 
                <mo>
                  ) 
                </mo> 
               </mrow> 
              </mrow> 
              <mrow> 
               <mi>
                 p 
               </mi> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msup> 
             <mo>
               + 
             </mo> 
             <msup> 
              <mi>
                σ 
              </mi> 
              <mrow> 
               <mi>
                 p 
               </mi> 
               <mo>
                 − 
               </mo> 
               <mn>
                 1 
               </mn> 
              </mrow> 
             </msup> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
          <mrow> 
           <msub> 
            <mi>
              c 
            </mi> 
            <mn>
              0 
            </mn> 
           </msub> 
           <mrow> 
            <mo>
              ( 
            </mo> 
            <mrow> 
             <mi>
               s 
             </mi> 
             <mo>
               , 
             </mo> 
             <mi>
               a 
             </mi> 
            </mrow> 
            <mo>
              ) 
            </mo> 
           </mrow> 
          </mrow> 
         </mfrac> 
        </mrow> 
        <mo>
          } 
        </mo> 
       </mrow> 
       <mo>
         , 
       </mo> 
      </mrow> 
     </math></p>
    <p>we thus prove the conclusion of Theorem 1.</p>
   </sec>
   <sec id="s7_3">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>C. Experimental Settings</title>
    <p>Our experimental procedure largely adheres to <xref ref-type="bibr" rid="scirp.142024-18">
      [18]
     </xref>, and the results of non-distributional methods are directly taken from <xref ref-type="bibr" rid="scirp.142024-18">
      [18]
     </xref>. For all experiments, we run algorithms for 1000 epochs (1000 training steps each epoch, i.e., 1M gradient steps in total). Then we evaluate them using 10 test episodes in the original environment, which all last 1000 steps long. All benchmark results are averaged over 5 random seeds. The reported results are normalized to D4RL scores that measure how the performance compared with expert score and random score:</p>
    <p>
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mtext>
         normalized 
       </mtext> 
       <mtext>
           
       </mtext> 
       <mtext>
         score 
       </mtext> 
       <mo>
         = 
       </mo> 
       <mn>
         100 
       </mn> 
       <mo>
         × 
       </mo> 
       <mfrac> 
        <mrow> 
         <mtext>
           score 
         </mtext> 
         <mo>
           − 
         </mo> 
         <mtext>
           random score 
         </mtext> 
        </mrow> 
        <mrow> 
         <mtext>
           expert score 
         </mtext> 
         <mo>
           − 
         </mo> 
         <mtext>
           random score 
         </mtext> 
        </mrow> 
       </mfrac> 
      </mrow> 
     </math>.</p>
   </sec>
   <sec id="s7_4">
    <title>
     <xref ref-type="bibr" rid="scirp.142024-"></xref>D. Implementation Details</title>
    <p>We implement ORDER based on DSAC and keep the DSAC-specific hyperparameters the same. These hyperparameters are detailed in <xref ref-type="table" rid="tableA1">
      Table A1
     </xref>. As with CODAC, we introduce hyperparameters 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         β 
       </mi> 
       <mo>
         , 
       </mo> 
       <mi>
         ζ 
       </mi> 
       <mo>
         , 
       </mo> 
       <mi>
         ξ 
       </mi> 
      </mrow> 
     </math> (See Appendix A.1). In most cases, 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        β 
      </mi> 
     </math> is a learnable parameter initialized to 1 with learning rate 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          η 
        </mi> 
        <mi>
          β 
        </mi> 
       </msub> 
       <mo>
         = 
       </mo> 
       <mn>
         3 
       </mn> 
       <mo>
         × 
       </mo> 
       <msup> 
        <mrow> 
         <mn>
           10 
         </mn> 
        </mrow> 
        <mrow> 
         <mo>
           − 
         </mo> 
         <mn>
           4 
         </mn> 
        </mrow> 
       </msup> 
      </mrow> 
     </math>. In a few cases, setting 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         β 
       </mi> 
       <mo>
         = 
       </mo> 
       <mn>
         1 
       </mn> 
      </mrow> 
     </math> throughout the entirety of training, which we indicate by setting 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         ζ 
       </mi> 
       <mo>
         = 
       </mo> 
       <mo>
         − 
       </mo> 
       <mn>
         1 
       </mn> 
      </mrow> 
     </math>.</p>
    <table-wrap id="table4">
     <label>
      <xref ref-type="table" rid="table4">
       Table 4
      </xref></label>
     <caption>
      <title>
       <xref ref-type="bibr" rid="scirp.142024-"></xref>Table A1. ORDER backbone hyperparameters.</title>
     </caption>
     <table class="MsoTableGrid custom-table" border="0" cellspacing="0" cellpadding="0"> 
      <tr> 
       <td class="custom-bottom-td acenter" width="61.76%"><p style="text-align:center">Hyper-parameter</p></td> 
       <td class="custom-bottom-td acenter" width="38.24%"><p style="text-align:center">Value</p></td> 
      </tr> 
      <tr> 
       <td class="custom-top-td acenter" width="61.76%"><p style="text-align:center">Discount factor 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
            γ 
          </mi> 
         </math></p></td> 
       <td class="custom-top-td acenter" width="38.24%"><p style="text-align:center">0.99</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Batch size</p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">256</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Replay buffer size</p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">1e6</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Optimizer</p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">Adam</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Minimum steps before training</p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">1e4</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Policy network learning rate 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
           <msub> 
            <mi>
              η 
            </mi> 
            <mrow> 
             <mtext>
               actor 
             </mtext> 
            </mrow> 
           </msub> 
          </mrow> 
         </math></p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">3e−4</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Quantile network learning rate 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
           <msub> 
            <mi>
              η 
            </mi> 
            <mi>
              Z 
            </mi> 
           </msub> 
          </mrow> 
         </math></p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">3e−5</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Huber regression threshold 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
            κ 
          </mi> 
         </math></p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">1</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Number of quantile fractions N</p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">32</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="61.76%"><p style="text-align:center">Quantile fraction embedding size</p></td> 
       <td class="acenter" width="38.24%"><p style="text-align:center">64</p></td> 
      </tr> 
     </table>
    </table-wrap>
    <table-wrap id="table5">
     <label>
      <xref ref-type="table" rid="table5">
       Table 5
      </xref></label>
     <caption>
      <title>
       <xref ref-type="bibr" rid="scirp.142024-"></xref>Table A2. Hyperparameters of ORDER for the benchmark results.</title>
     </caption>
     <table class="MsoTableGrid custom-table" border="0" cellspacing="0" cellpadding="0"> 
      <tr> 
       <td class="custom-bottom-td acenter" width="29.05%"><p style="text-align:center">ss</p></td> 
       <td class="custom-bottom-td acenter" width="11.82%"><p style="text-align:center"> 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
            ξ 
          </mi> 
         </math></p></td> 
       <td class="custom-bottom-td acenter" width="11.83%"><p style="text-align:center"> 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
            ζ 
          </mi> 
         </math></p></td> 
       <td class="custom-bottom-td acenter" width="11.82%"><p style="text-align:center"> 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
           <msub> 
            <mi>
              η 
            </mi> 
            <mrow> 
             <mtext>
               critic 
             </mtext> 
            </mrow> 
           </msub> 
          </mrow> 
         </math></p></td> 
       <td class="custom-bottom-td acenter" width="11.83%"><p style="text-align:center">entropy tuning</p></td> 
       <td class="custom-bottom-td acenter" width="11.82%"><p style="text-align:center"> 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
            α 
          </mi> 
         </math></p></td> 
       <td class="custom-bottom-td acenter" width="11.83%"><p style="text-align:center"> 
         <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
           <msub> 
            <mi>
              α 
            </mi> 
            <mn>
              1 
            </mn> 
           </msub> 
          </mrow> 
         </math></p></td> 
      </tr> 
      <tr> 
       <td class="custom-top-td acenter" width="29.05%"><p style="text-align:center">hopper-random</p></td> 
       <td class="custom-top-td acenter" width="11.82%"><p style="text-align:center">1</p></td> 
       <td class="custom-top-td acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="custom-top-td acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="custom-top-td acenter" width="11.83%"><p style="text-align:center">yes</p></td> 
       <td class="custom-top-td acenter" width="11.82%"><p style="text-align:center">0.0001</p></td> 
       <td class="custom-top-td acenter" width="11.83%"><p style="text-align:center">0.1</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">hopper-medium</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−4</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">yes</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">0.0</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">hopper-med-rep</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">1</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">yes</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">0.0</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">hopper-med-exp</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">no</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0001</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">0.1</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">walker2d-random</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">1</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">yes</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0001</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">1.0</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">walker2d-medium</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">no</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0001</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">1.0</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">walker2d-med-rep</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">1</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">yes</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">0.0</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">walker2d-med-exp</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">no</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0001</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">1.0</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">halfCheetah-random</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">1</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">yes</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0001</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">0.1</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">halfCheetah-medium</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">no</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0001</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">0.1</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">halfCheetah-med-rep</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">1</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">10</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−5</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">yes</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0001</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">0.1</p></td> 
      </tr> 
      <tr> 
       <td class="acenter" width="29.05%"><p style="text-align:center">halfCheetah-med-exp</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.1</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">−1</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">3e−4</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">no</p></td> 
       <td class="acenter" width="11.82%"><p style="text-align:center">0.0</p></td> 
       <td class="acenter" width="11.83%"><p style="text-align:center">0.0</p></td> 
      </tr> 
     </table>
    </table-wrap>
    <p>Since we introduce smoothing techniques to the policy and quantile networks, we also add other hyperparameters. In Equation (2), the weight 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        α 
      </mi> 
     </math> for the quantile network smoothing loss 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mrow> 
         <mtext>
           smooth 
         </mtext> 
        </mrow> 
       </msub> 
      </mrow> 
     </math> is searched in 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mn>
           0.0 
         </mn> 
         <mo>
           , 
         </mo> 
         <mn>
           0.0001 
         </mn> 
        </mrow> 
        <mo>
          } 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. And beyond that, the weight 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          α 
        </mi> 
        <mn>
          1 
        </mn> 
       </msub> 
      </mrow> 
     </math> of the policy smoothing loss in Equation (3) is searched in 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mrow> 
        <mo>
          { 
        </mo> 
        <mrow> 
         <mn>
           0.0 
         </mn> 
         <mo>
           , 
         </mo> 
         <mn>
           0.1 
         </mn> 
         <mo>
           , 
         </mo> 
         <mn>
           1.0 
         </mn> 
        </mrow> 
        <mo>
          } 
        </mo> 
       </mrow> 
      </mrow> 
     </math>. When training the policy and distribution action-value functions, we randomly sample 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <mi>
         n 
       </mi> 
       <mo>
         = 
       </mo> 
       <mn>
         10 
       </mn> 
      </mrow> 
     </math> perturbed observations from a 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℓ 
        </mi> 
        <mi>
          ∞ 
        </mi> 
       </msub> 
      </mrow> 
     </math> ball of norm 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        ϵ 
      </mi> 
     </math> and select the one to maximize 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          D 
        </mi> 
        <mi>
          J 
        </mi> 
       </msub> 
       <mrow> 
        <mo>
          ( 
        </mo> 
        <mrow> 
         <msub> 
          <mi>
            π 
          </mi> 
          <mi>
            θ 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mo>
             ⋅ 
           </mo> 
           <mo>
             | 
           </mo> 
           <mi>
             s 
           </mi> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
         <mo>
           | 
         </mo> 
         <mo>
           | 
         </mo> 
         <msub> 
          <mi>
            π 
          </mi> 
          <mi>
            θ 
          </mi> 
         </msub> 
         <mrow> 
          <mo>
            ( 
          </mo> 
          <mrow> 
           <mo>
             ⋅ 
           </mo> 
           <mo>
             | 
           </mo> 
           <mover accent="true"> 
            <mi>
              s 
            </mi> 
            <mo>
              ^ 
            </mo> 
           </mover> 
          </mrow> 
          <mo>
            ) 
          </mo> 
         </mrow> 
        </mrow> 
        <mo>
          ) 
        </mo> 
       </mrow> 
      </mrow> 
     </math> and 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mrow> 
       <msub> 
        <mi>
          ℒ 
        </mi> 
        <mrow> 
         <mtext>
           smooth 
         </mtext> 
        </mrow> 
       </msub> 
      </mrow> 
     </math>, respectively. For 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        Z 
      </mi> 
     </math> smoothing loss in Equation (1), set parameter 
     <math xmlns="http://www.w3.org/1998/Math/MathML"> <mi>
        ϱ 
      </mi> 
     </math> to 0.2 for conservative value estimation. All the hyperparameters used in ORDER for the benchmark are listed in <xref ref-type="table" rid="tableA2">
      Table A2
     </xref>.</p>
   </sec>
  </sec>
 </body><back>
  <ref-list>
   <title>References</title>
   <ref id="scirp.142024-ref1">
    <label>1</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Lange, S., Gabel, T. and Riedmiller, M. (2012) Batch Reinforcement Learning. In: Wiering, M. and van Otterlo, M., Eds., Reinforcement Learning, Springer, 45-73. &gt;https://doi.org/10.1007/978-3-642-27645-3_2
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref2">
    <label>2</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Wang, R., Wu, Y., Salakhutdinov, R. and Kakade, S. (2021) Instabilities of Offline RL with Pretrained Neural Representation. Proceedings of the 38th International Conference on Machine Learning, Virtual, 18-24 July 2021, 10948-10960.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref3">
    <label>3</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Nguyen-Tang, T., Yin, M., Gupta, S., Venkatesh, S. and Arora, R. (2023) On Instance-Dependent Bounds for Offline Reinforcement Learning with Linear Function Approximation. Proceedings of the AAAI Conference on Artificial Intelligence, 37, 9310-9318. &gt;https://doi.org/10.1609/aaai.v37i8.26116
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref4">
    <label>4</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Diehl, C., Sievernich, T.S., Kruger, M., Hoffmann, F. and Bertram, T. (2023) Uncertainty-Aware Model-Based Offline Reinforcement Learning for Automated Driving. IEEE Robotics and Automation Letters, 8, 1167-1174. &gt;https://doi.org/10.1109/lra.2023.3236579
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref5">
    <label>5</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Zhang, Z., Mei, H. and Xu, Y. (2023) Continuous-Time Decision Transformer for Healthcare Applications. Proceedings of the 26th International Conference on Artificial Intelligence and Statistics, Valencia, 25-27 April 2023, 6245-6262.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref6">
    <label>6</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Singh, B., Kumar, R. and Singh, V.P. (2022) Reinforcement Learning in Robotic Applications: A Comprehensive Survey. Artificial Intelligence Review, 55, 945-990. &gt;https://doi.org/10.1007/s10462-021-09997-9 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref7">
    <label>7</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Haarnoja, T., Zhou, A., Abbeel, P. and Levine, S. (2018) Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor. Proceedings of the 35th International Conference on Machine Learning, Stockholm, 10-15 July 2018, 1861-1870.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref8">
    <label>8</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Ashvin, N., Murtaza, D., Abhishek, G. and Sergey, L. (2020) AWAC: Accelerating Online Reinforcement Learning with Offline Datasets. arXiv: 2006.09359. &gt;https://doi.org/10.48550/arXiv.2006.09359 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref9">
    <label>9</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Fujimoto, S., Meger, D. and Precup, D. (2019) Off-Policy Deep Reinforcement Learning without Exploration. Proceedings of the 36th International Conference on Machine Learning, Long Beach, 9-15 June 2019, 2052-2062.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref10">
    <label>10</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Fujimoto, S. and Gu, S.S. (2021) A Minimalist Approach to Offline Reinforcement Learning. Advances in Neural Information Processing Systems, 34, 20132-20145.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref11">
    <label>11</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Lyu, J., Ma, X., Li, X. and Lu, Z. (2022) Mildly Conservative Q-Learning for Offline Reinforcement Learning. Advances in Neural Information Processing Systems, 35, 1711-1724.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref12">
    <label>12</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Dabney, W., Ostrovski, G., Silver, D. and Munos, R. (2018) Implicit Quantile Networks for Distributional Reinforcement Learning. Proceedings of the 35th International Conference on Machine Learning, Stockholm, 10-15 July 2018, 1096-1105.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref13">
    <label>13</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Dabney, W., Rowland, M., Bellemare, M. and Munos, R. (2018) Distributional Reinforcement Learning with Quantile Regression. Proceedings of the AAAI Conference on Artificial Intelligence, 32, 2892-2901. &gt;https://doi.org/10.1609/aaai.v32i1.11791
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref14">
    <label>14</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Ma, X., Xia, L., Zhou, Z., Yang, J. and Zhao, Q. (2020) DSAC: Distributional Soft Actor Critic for Risk-Sensitive Reinforcement Learning. arXiv: 2004.14547. &gt;https://doi.org/10.48550/arXiv.2004.14547 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref15">
    <label>15</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Ma, Y., Jayaraman, D. and Bastani, O. (2021) Conservative Offline Distributional Reinforcement Learning. Advances in Neural Information Processing Systems, 34, 19235-19247.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref16">
    <label>16</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Bai, C., Xiao, T., Zhu, Z., Wang, L., Zhou, F., Garg, A., et al. (2022) Monotonic Quantile Network for Worst-Case Offline Reinforcement Learning. IEEE Transactions on Neural Networks and Learning Systems, 35, 8954-8968. &gt;https://doi.org/10.1109/TNNLS.2022.3217189 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref17">
    <label>17</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Kumar, A., Zhou, A., Tucker, G. and Levine, S. (2020) Conservative Q-Learning for Offline Reinforcement Learning. Advances in Neural Information Processing Systems, 33, 1179-1191.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref18">
    <label>18</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Fu, J., Kumar, A., Nachum, O., Tucker, G. and Levine, S. (2020) D4RL: Datasets for Deep Data-Driven Reinforcement Learning. arXiv: 2004.07219. &gt;https://doi.org/10.48550/arXiv.2004.07219 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref19">
    <label>19</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Bellemare, M.G., Dabney, W. and Munos, R. (2017) A Distributional Perspective on Reinforcement Learning. Proceedings of the 34th International Conference on Machine Learning, Sydney, 6-11 August 2017, 449-458.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref20">
    <label>20</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Müller, A. (1997) Integral Probability Metrics and Their Generating Classes of Functions. Advances in Applied Probability, 29, 429-443. &gt;https://doi.org/10.2307/1428011
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref21">
    <label>21</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Shen, Q., Li, Y., Jiang, H., Wang, Z. and Zhao, T. (2020) Deep Reinforcement Learning with Robust and Smooth Policy. Proceedings of the 37th International Conference on Machine Learning, Virtual, 13-18 July 2020, 8707-8718.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref22">
    <label>22</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Koenker, R. and Hallock, K.F. (2001) Quantile Regression. Journal of Economic Perspectives, 15, 143-156. &gt;https://doi.org/10.1257/jep.15.4.143
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref23">
    <label>23</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Huber, P.J. (1992) Robust Estimation of a Location Parameter. In: Kotz, S. and Johnson, N.L., Eds., Breakthroughs in Statistics, Springer, 492-518. &gt;https://doi.org/10.1007/978-1-4612-4380-9_35
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref24">
    <label>24</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Wu, Y., Tucker, G. and Nachum, O. (2019) Behavior Regularized Offline Reinforcement Learning. arXiv: 1911.11361. &gt;https://doi.org/10.48550/arXiv.1911.11361 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref25">
    <label>25</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Kidambi, R., Rajeswaran, A., Netrapalli, P. and Joachims. T. (2020) MOReL: Model-Based Offline Reinforcement Learning. Advances in Neural Information Processing Systems, 33, 21810-21823.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref26">
    <label>26</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Figueiredo Prudencio, R., Maximo, M.R.O.A. and Colombini, E.L. (2024) A Survey on Offline Reinforcement Learning: Taxonomy, Review, and Open Problems. IEEE Transactions on Neural Networks and Learning Systems, 35, 10237-10257. &gt;https://doi.org/10.1109/tnnls.2023.3250269
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref27">
    <label>27</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Sutton, R.S. and Barto, A.G. (2018) Reinforcement Learning: An Introduction. MIT Press.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref28">
    <label>28</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Puterman, M.L. (2014) Markov Decision Processes: Discrete Stochastic Dynamic Programming. John Wiley&amp;Sons.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref29">
    <label>29</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Singla, A., Rafferty, A.N., Radanovic, G. and Heffernan, N.T. (2021) Reinforcement Learning for Education: Opportunities and Challenges. arXiv:2107.08828. &gt;https://doi.org/10.48550/arXiv.2107.08828 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref30">
    <label>30</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Agarwal, R., Schuurmans, D. and Norouzi, M. (2020) An Optimistic Perspective on Offline Reinforcement Learning. Proceedings of the 37th International Conference on Machine Learning, Vienna, 13-18 July 2020, 104-114.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref31">
    <label>31</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Bai, C., Wang, L., Yang, Z., Deng, Z., Garg, A., Liu, P. and Wang, Z. (2022) Pessimistic Bootstrapping for Uncertainty-Driven Offline Reinforcement Learning. arXiv: 2202.11566. &gt;https://doi.org/10.48550/arXiv.2202.11566 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref32">
    <label>32</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Sohn, K., Lee, H. and Yan, X. (2015) Learning Structured Output Representation Using Deep Conditional Generative Models. Advances in Neural Information Processing Systems, 28, 3483-3491.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref33">
    <label>33</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Kumar, A., Fu, J., Soh, M., Tucker, G. and Levine, S. (2019) Stabilizing Off-Policy Q-Learning via Bootstrapping Error Reduction. Advances in Neural Information Processing Systems, 32, 11761-11771.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref34">
    <label>34</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Panaganti, K., Xu, Z., Kalathil, D. and Ghavamzadeh, M. (2022) Robust Reinforcement Learning Using Offline Data. Advances in Neural Information Processing Systems, 35, 32211-32224.
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref35">
    <label>35</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Kostrikov, I., Nair, A. and Levine, S. (2021) Offline Reinforcement Learning with Implicit Q-Learning. arXiv: 2110.06169. &gt;https://doi.org/10.48550/arXiv.2110.06169 
    </mixed-citation>
   </ref>
   <ref id="scirp.142024-ref36">
    <label>36</label>
    <mixed-citation publication-type="other" xlink:type="simple">
     Yang, R., Bai, C., Ma, X., Wang, Z., Zhang, C. and Han, L. (2022) RORL: Robust Offline Reinforcement Learning via Conservative Smoothing. Advances in Neural Information Processing Systems, 35, 23851-23866.
    </mixed-citation>
   </ref>
  </ref-list>
 </back>
</article>