一种基于高斯过程的行动者评论家算法

• 作者: 伏玉琛 凌兴宏 刘全 陈仕超 陈桂兴
• 来源期刊: 计算机应用研究
• 关键词: 强化学习 行动者评论家 高斯过程 贝叶斯推理 连续空间
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1670-1675
• 页数: 6页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.06.016

摘要

强化学习领域的一个研究难点是在大规模或连续空间中平衡探索和利用的问题。针对该问题，应用函数近似与高斯过程方法，提出新的行动者评论家（actor-critic，AC）算法。该算法在 actor 中使用时间差分误差构造关于策略参数的更新公式；在 critic 中利用高斯过程对线性带参值函数建模，结合生成模型，根据贝叶斯推理求解值函数的后验分布。将该算法应用于平衡杆实验中，实验结果表明，算法收敛速度较快，可以有效解决在大规模或连续空间中探索和利用的平衡问题，具有较好的性能。

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	凌兴宏	苏州大学计算机科学与技术学院	36	111	6.0	8.0
4	伏玉琛	苏州大学计算机科学与技术学院	35	201	8.0	11.0
7	陈桂兴	苏州大学计算机科学与技术学院	2	12	2.0	2.0
8	陈仕超	苏州大学计算机科学与技术学院	1	2	1.0	1.0