效用驱动的Markov强化学习

• 作者: 韩伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 强化学习 智能体 Markov决策过程
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 研究、探讨
• 页码范围: 42-44
• 页数: 3页
• 分类号: TP181
• 字数: 3011字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.04.012

摘要

对智能体Q强化学习方法进行了扩展,讨论效用驱动的Markov强化学习问题.与单吸收状态相比,学习过程不再是状态驱动,而是效用驱动的.智能体的学习将不再与特定的目标状态相联系,而是最大化每步的平均期望收益,即最大化一定步数内的收益总和,因此学习结果是一个平均收益最大的最优循环.证明了多吸收状态下强化学习的收敛性,将栅格图像看作具有多个吸收状态的格子世界,测试了确定性环境下多吸收状态Q学习的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩伟	南京财经大学信息工程学院	27	143	7.0	10.0