激励学习的广义平均算法及其收敛性

• 作者: 殷苌茗 谢丽娟 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 广义平均 Markov 决策过程 Q-学习
• 年，卷（期）: 2002,（20）
• 所属期刊栏目: 学术探讨
• 页码范围: 72-74,88
• 页数: 4页
• 分类号: TP182
• 字数: 4819字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2002.20.024

摘要

一个激励学习Agent通过学习一个从状态到动作映射的最优策略来解决策问题.激励学习方法是Agent利用试验与环境交互以改进自身的行为.Markov决策过程(MDP)模型是解决激励学习问题的通用方法.文章提出了一种新的算法,这个算法通过牺牲最优性来获取鲁棒性,重点给出了一组逼近算法和它们的收敛结果.利用广义平均算子来替代最优算子max(或min),对激励学习中的两类最重要的算法-动态规划算法和Q-学习算法一进行了研究,并讨论了它们的收敛性.其目的就是为了提高激励学习算法的鲁棒性.

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