基于行动分值的强化学习与奖赏优化

• 作者: 肖云伟 陈启军
• 来源期刊: 同济大学学报（自然科学版）
• 学科: 工学
• 关键词: 强化学习 行动分值 Q算法 奖赏函数
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 电子电气与控制工程
• 页码范围: 531-536
• 页数: 6页
• 分类号: TP181
• 字数: 5498字
• 语种: 中文
• DOI: 10.3321/j.issn:0253-374X.2007.04.021

摘要

针对强化学习算法收敛速度慢、奖赏函数的设计需要改进的问题,提出一种新的强化学习算法.新算法使用行动分值作为智能行为者选择动作的依据.行动分值比传统的状态值具有更高的灵活性,因此更容易针对行动分值设计更加优化的奖赏函数,提高学习的性能.以行动分值为基础,使用了指数函数和对数函数,动态确定奖赏值与折扣系数,加快行为者选择最优动作.从走迷宫的计算机仿真程序可以看出,新算法显著减少了行为者在收敛前尝试中执行的动作次数,提高了收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈启军	同济大学控制科学与工程系	116	1012	17.0	26.0
2	肖云伟	同济大学控制科学与工程系	2	6	2.0	2.0