多步R学习算法

• 作者: 吴沧浦 胡光华
• 来源期刊: 北京理工大学学报（英文版）
• 学科: 工学
• 关键词: 强化学习 平均报酬 R学习 Markov决策过程 即时差分学习
• 年，卷（期）: 1999,（3）
• 页码范围: 245-250
• 页数: 6页
• 分类号: TP18
• 字数: 1402字
• 语种: 英文
• DOI: 10.3969/j.issn.1004-0579.1999.03.004

摘要

目的讨论平均准则下控制马氏链的强化学习算法,在事先未知状态转移矩阵及报酬函数的条件下,通过试凑法寻找使得长期每阶段期望平均报酬最大的最优控制策略.方法结合平均报酬问题的一步学习算法和即时差分学习算法,提出了一种多步强化学习算法--R(λ)学习算法.结果与结论新算法使得已有的R学习算法成为其λ=0时的特例.同时它也是折扣报酬Q(λ)学习算法到平均报酬问题的自然推广.仿真结果表明λ取中间值的R(λ)学习算法明显优于一步的R学习算法.

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	胡光华	北京理工大学自动控制系	3	22	1.0	3.0