一类基于有效跟踪的广义平均奖赏激励学习算法

• 作者: 谢建平 陈焕文
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 激励学习 Markov 决策过程 平均奖赏 有效跟踪
• 年，卷（期）: 2002,（1）
• 所属期刊栏目: 博士论坛
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP301.6
• 字数: 5710字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2002.01.021

摘要

取消了平均奖赏激励学习的单链或互通MDPs假设,基于有效跟踪技术和折扣奖赏型SARSA(λ)算法,对传统的平均奖赏激励学习进行了推广,提出了一类广义平均奖赏激励学习算法,并对算法的性能进行了初步的比较实验.

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	谢建平	长沙交通学院网络中心	5	50	3.0	5.0