基于可中断Option的在线分层强化学习方法

• 作者: 伏玉琛 刘全 朱斐 王辉 许志鹏
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 大数据 强化学习 分层强化学习 Option 在线学习
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 65-74
• 页数: 10页
• 分类号: TP181
• 字数: 7904字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2016117

摘要

针对大数据体量大的问题,在Macro-Q算法的基础上提出了一种在线更新的Macro-Q算法(MQIU),同时更新抽象动作的值函数和元动作的值函数,提高了数据样本的利用率.针对传统的马尔可夫过程模型和抽象动作均难于应对可变性,引入中断机制,提出了一种可中断抽象动作的Macro-Q无模型学习算法(IMQ),能在动态环境下学习并改进控制策略.仿真结果验证了MQIU算法能加快算法收敛速度,进而能解决更大规模的问题,同时也验证了IMQ算法能够加快任务的求解,并保持学习性能的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘全	苏州大学计算机科学与技术学院	99	1053	16.0	29.0
3	伏玉琛	苏州大学计算机科学与技术学院	35	201	8.0	11.0
6	王辉	苏州大学计算机科学与技术学院	86	466	11.0	18.0
7	朱斐	苏州大学计算机科学与技术学院	44	168	7.0	11.0
11	许志鹏	苏州大学计算机科学与技术学院	1	2	1.0	1.0