基于有限样本的最优费用关联值递归Q学习算法

• 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 Q学习 最优费用函数 关联值递归 Markov决策过程
• 年，卷（期）: 2002,（11）
• 所属期刊栏目: 学术探讨
• 页码范围: 65-67
• 页数: 3页
• 分类号: TP18
• 字数: 3800字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2002.11.024

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求解决策问题.求解最优决策一般有两种途径,一种是求最大奖赏方法,另一种是求最优费用方法.该文利用求解最优费用函数的方法给出了一种新的Q学习算法.Q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.文章从求解最优费用函数的方法出发,给出了Q学习的关联值递归算法,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Q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