基于支持样本的快速增强学习算法

• 作者: 束雄英 查亚兵 肖力
• 来源期刊: 科技与创新
• 关键词: 增强学习 马尔可夫决策过程 支持样本
• 年，卷（期）: 2009,（24）
• 所属期刊栏目: 软件时空
• 页码范围: 136-138
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2009.24.055

摘要

针对确定性马尔克夫决策过程,本文提出了一种基于支持样本的快速增强学习算法.文章首先把学习问题形式化为一个确定性的马尔可夫决策过程.并对问题空间中每个状态的总回报值进行估计,根据总回报估计值与累积总回报估计值的大小关系,提出了支持样本的概念,即在大量的训练样本中,提取出值得我们信赖的那些样本;然后建立状态空间与动作空间之间的对应关系,用得到的支持样本进行最小二乘逼近,得到了快速有效的策略函数;最后,通过仿真实验,证明了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	查亚兵		25	203	8.0	13.0
2	肖力		3	0	0.0	0.0
3	束雄英		1	0	0.0	0.0