基于TD(λ)的自然梯度强化学习算法

• 作者: 薛晖 谷瑞军 陈圣磊 陈耿
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 策略梯度 自然梯度 TD(λ) 资格迹
• 年，卷（期）: 2010,（12）
• 页码范围: 186-189
• 分类号: TP181
• 字数: 4198字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.12.042

摘要

近年来强化学习中的策略梯度方法以其良好的收敛性能吸引了广泛的关注.研究了平均模型中的自然梯度算法,针对现有算法估计梯度时效率较低的问题,在梯度估计的值函数逼近中采用了TD(λ)方法.TD(λ)中的资格迹使学习经验的传播更加高效,从而能够降低梯度估计的方差,提升算法的收敛速度.车杆平衡系统仿真实验验证了所提算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈耿	南京审计学院信息科学学院	81	565	13.0	20.0
2	陈圣磊	南京审计学院信息科学学院	24	75	4.0	7.0
3	谷瑞军	南京审计学院信息科学学院	16	79	4.0	8.0
4	薛晖	东南大学计算机科学与工程学院	11	26	3.0	4.0