基于MAXQ方法的分层强化学习

• 作者: 庞士焕 张琦 朱相冰 汤萍萍
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 分层强化学习 MAXQ MDP
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 智能、算法、系统结构
• 页码范围: 154-156,169
• 页数: 4页
• 分类号: TP393
• 字数: 2398字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.04.044

摘要

强化学习是机器学习领域的一个重要分支,但在强化学习系统中,学习的数量会随着状态变量的个数成指数级增长,从而形成"维数灾".为此提出了一种基于MAXQ的分层强化学习方法,通过引入抽象机制将强化学习任务分解到不同层次上来分别实现,使得每层上的学习任务仅需在较小的空间中进行,从而大大减少了学习的数量和规模.并给出具体算法--MAXQ-RLA.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张琦	西北大学软件学院	19	71	5.0	8.0
2	庞士焕	安徽师范大学教育科学学院	5	3	1.0	1.0
3	朱相冰	安徽师范大学物理与电子信息工程学院	2	2	1.0	1.0
4	汤萍萍	东南大学计算机学院	4	5	2.0	2.0