连续空间增量最近邻时域差分学习

• 作者: 张春元 朱清新 钟声
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 时域差分学习 值函数逼近 策略逼近 局部加权学习
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 2121-2128
• 页数: 8页
• 分类号: TP18
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2013.1467

摘要

针对连续空间强化学习问题，提出一种基于局部加权学习的增量最近邻时域差分(TD)学习框架。通过增量方式在线选取部分已观测状态构建实例词典，采用新观测状态的范围最近邻实例逼近其值函数与策略，并结合TD算法对词典中各实例的值函数和资格迹迭代更新。就框架各主要组成部分给出多种设计方案，并对其收敛性进行理论分析。对24种方案组合进行仿真验证的实验结果表明， SNDN组合具有较好的学习性能和计算效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱清新	电子科技大学计算机科学与工程学院	74	1042	16.0	30.0
2	张春元	电子科技大学计算机科学与工程学院	19	98	6.0	9.0
4	钟声	海南大学信息科学技术学院	36	173	8.0	11.0