|
|||||
|
|
| 平均奖赏MDP的在策略无模型激励学习算法 | |
| 作者姓名： | 陈焕文 谢丽娟 |
| 作者单位： | 长沙电子学院数学与计算机系,;长沙电子学院数学与计算机系, |
| 摘 要： | 本文以随机逼近的形式,提出了一些用于求解平均奖赏Markov决策过程系统方程的在策略无模型激励学习算法,这些算法与广泛且成功应用于折扣奖赏MDP的SARSA（λ）类算法相似,为比较这些新算法的性能,本文还给出了一些初步的实验结果。 |
| 关 键 词： | 激励学习 Markov决策过程 平均奖赏 折扣奖赏 动态规划 |
| 文章编号： | 1007-130X(2001)02-0066-04 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程与科学》浏览原始摘要信息 | |
| 点击此处可从《计算机工程与科学》下载全文 | |