平均报酬模型的多步强化学习算法

• 作者: 吴沧浦 胡光华
• 来源期刊: 控制理论与应用
• 关键词: 强化学习 即时差分学习 马氏决策过程 R学习
• 年，卷（期）: 2000,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 660-664
• 页数: 5页
• 分类号: O231
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8152.2000.05.007

摘要

讨论模型未知的平均报酬强化学习算法.通过结合即时差分学习与R学习算法,将折扣问题中的一些方法推广到了平均准则问题中,提出了两类算法:R(λ)学习与截断即时差分TTD(λ)学习.现有的R学习可视为R(λ)学习和TTD(λ)学习当λ=0时的一个特例.仿真结果表明,λ取中间值的R(λ)和TTD(λ)学习比现有的方法在可靠性与收敛速度上均有提高.

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