有效的自适应λ即时差异学习

• 作者: 吴沧浦 毕金波
• 来源期刊: 北京理工大学学报（英文版）
• 学科: 工学
• 关键词: 动态规划 延迟强化学习 吸收马尔可夫过程 即时差异学习 Q学习
• 年，卷（期）: 1999,（3）
• 页码范围: 251-257
• 页数: 7页
• 分类号: TP18
• 字数: 2210字
• 语种: 英文
• DOI: 10.3969/j.issn.1004-0579.1999.03.005

摘要

目的寻求更有效的解决延迟强化学习任务的基于即时差异的学习算法.方法针对吸收马氏决策过程提出一种λ取值具有自适应性的基于截断TD(λ)的Q学习算法,并在计算机上实现了该算法.结果与结论在最短路径搜索问题上的仿真研究表明采用自适应λ的基于截断TD(λ)的Q学习能够加速算法收敛.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴沧浦	北京理工大学自动控制系	23	428	8.0	20.0
2	毕金波	北京理工大学自动控制系	1	1	1.0	1.0