基于每阶段平均费用最优的激励学习算法

• 作者: 殷苌茗 谢丽娟 陈焕文
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 激励学习 Q学习 最优平均费用函数 Markov决策过程 Bellman方程
• 年，卷（期）: 2002,（4）
• 所属期刊栏目: 研究与设计
• 页码范围: 25-27
• 页数: 3页
• 分类号: TP182
• 字数: 4449字
• 语种: 中文

摘要

文中利用求解最优费用函数的方法给出了一种新的激励学习算法,即基于每阶段平均费用最优的激励学习算法.这种学习算法是求解信息不完全Markov决策问题的一种有效激励学习方法,它从求解分阶段最优平均费用函数的方法出发,分析了最优解的存在性、分阶段最优平均费用函数与初始状态的关系以及与之相关的Bellman方程.这种方法的建立,可以使得动态规划(DP)算法中的许多结论直接应用到激励学习的研究中来.

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	长沙电力学院数学与计算机系	18	95	6.0	9.0
2	谢丽娟	长沙电力学院数学与计算机系	7	56	4.0	7.0
3	殷苌茗	长沙电力学院数学与计算机系	13	52	5.0	6.0