平均奖赏MDP的在策略无模型激励学习算法

• 作者: 谢丽娟 陈焕文
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 激励学习 Markov决策过程 平均奖赏 折扣奖赏 动态规划
• 年，卷（期）: 2001,（2）
• 所属期刊栏目: 算法研究
• 页码范围: 66-69
• 页数: 4页
• 分类号: TP18
• 字数: 3319字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2001.02.018

摘要

本文以随机逼近的形式，提出了一些用于求解平均奖赏Markov决策过程系统方程的在策略无模型激励学习算法。这些算法与广泛且成功 应用于折扣奖赏MDP的SARSA(λ)类算法相似。为比较这些新算法的性能，本文还给出了一些初步的实验结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈焕文	长沙电子学院数学与计算机系	1	2	1.0	1.0
2	谢丽娟	长沙电子学院数学与计算机系	1	2	1.0	1.0