基于SMDP环境的自主生成options算法的研究

• 作者: 苏畅 陈世福 陈兆乾 高阳
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 强化学习 马尔可夫决策过程 抉择 半马尔可夫决策过程 子目标
• 年，卷（期）: 2005,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 679-684
• 页数: 6页
• 分类号: TP18
• 字数: 4454字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2005.06.008

摘要

options是一种与SMDP模型紧密相关的引入时间抽象的强化学习算法,该算法一个重要且仍待解决的问题是如何能使agent自主找到合适的options.本文首先提出了一种基于访问落差变化率的子目标找寻算法,该算法克服了现有算法的低精确性和部分依赖人为因素的弊病.然后在该算法的基础上,提出了构造options的算法流程,并把这-算法运用于迷宫问题之中.实验结果表明利用实验生成的options可以大大加快学习的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈世福	南京大学计算机软件新技术国家重点实验室	169	4351	32.0	60.0
2	陈兆乾	南京大学计算机软件新技术国家重点实验室	74	1789	23.0	40.0
3	高阳	南京大学计算机软件新技术国家重点实验室	77	1645	20.0	39.0
4	苏畅	南京大学计算机软件新技术国家重点实验室	2	21	1.0	2.0