您的问题的答案可以在介绍最大边距和投影模仿学习 (IL) 算法的原始论文中找到：Apprenticeship Learning via Inverse Reinforcement Learning（Abbel 和 Ng，2004，ICML）。具体来说，定理 1（第 4 节，第 4 页）指出

让一个$\text{MDP} \setminus R$， 特征$\phi : S \rightarrow [0, 1]^k$, 和任何$\epsilon > 0$被给予。然后学徒学习算法（最大边距和投影版本）将以$t^{(i)} \leq \epsilon$最多之后

$$n=O\left(\frac{k}{(1-\gamma)^{2} \epsilon^{2}} \log \frac{k}{(1-\gamma) \epsilon}\right)$$ 迭代。

这里$k$是特征向量的维度，因此很明显，这些算法终止所需的迭代次数与$k$. 该定理的证明可以在同一篇论文的附录 A 中找到（所有其他术语都在论文中定义，您应该阅读以了解所有细节）。当然，这个结果（仅）适用于这些特定的 IL 算法（幻灯片的作者 Abbel 所指的算法）。另请参阅同一篇论文的定理 2 和实验部分（特别是图 4，它显示了作为轨迹数量的函数的性能）。 这些幻灯片很好地概述了本文的内容，因此我建议您也阅读它们。