最小状态变元平均奖赏的强化学习方法

• 作者: 伏玉琛 傅启明 刘全 崔志明 龚声蓉
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 强化学习 平均奖赏 俄罗斯方块 最小状态
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 66-71
• 分类号: TP18
• 字数: 5531字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-436X.2011.01.009

摘要

针对采用折扣奖赏作为评价目标的Q学习无法体现对后续动作的影响问题,提出将平均奖赏和Q学习相结合的AR-Q-Learning算法,并进行收敛性证明.针对学习参数个数随着状态变量维数呈几何级增长的"维数灾"问题,提出最小状态变元的思想.将最小变元思想和平均奖赏用于积木世界的强化学习中,试验结果表明,该方法更具有后效性,加快算法的收敛速度,同时在一定程度上解决积木世界中的"维数灾"问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘全	苏州大学计算机科学与技术学院	99	1053	16.0	29.0
5	伏玉琛	苏州大学计算机科学与技术学院	35	201	8.0	11.0
6	龚声蓉	苏州大学计算机科学与技术学院	97	1079	17.0	27.0
7	崔志明	苏州大学计算机科学与技术学院	169	2304	25.0	38.0
8	傅启明	苏州大学计算机科学与技术学院	23	360	10.0	18.0