连续空间的递归最小二乘行动者—评论家算法

• 作者: 伏玉琛 宋绪文 朱文文 金玉净
• 来源期刊: 计算机应用研究
• 关键词: 强化学习 行动者—评论家方法 连续状态动作空间 递归最小二乘 策略梯度 高斯径向基函数
• 年，卷（期）: 2014,（7）
• 页码范围: 1994-1997,2000
• 页数: 5页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.07.016

摘要

传统的行动者—评论家(actor-critic,AC)算法用在连续空间时,数据利用率低、收敛慢,而现实世界中采样往往需要昂贵的代价,因此提出了一种新的连续空间递归最小二乘AC算法,能够充分利用数据,提高学习预测能力.该方法用高斯径向基函数对连续的状态空间进行编码,评论家部分改用带资格迹的递归最小二乘时间差分方法,而行动者部分用策略梯度方法,在连续动作空间中进行策略搜索.Mountain Car问题的仿真结果表明该算法具有较好的收敛结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伏玉琛	苏州大学计算机科学与技术学院	35	201	8.0	11.0
2	朱文文	苏州大学计算机科学与技术学院	2	8	2.0	2.0
3	金玉净	苏州大学计算机科学与技术学院	2	8	2.0	2.0
4	宋绪文	苏州大学计算机科学与技术学院	1	4	1.0	1.0