|
|||||
|
|
| 平均报酬模型的多步强化学习算法 | |
| 引用本文： | 胡光华,吴沧浦.平均报酬模型的多步强化学习算法[J].控制理论与应用,2000,17(5):660-664. |
| 作者姓名： | 胡光华 吴沧浦 |
| 作者单位： | 北京理工大学自动控制系,北京,100081 |
| 基金项目： | 国家自然科学基金!(6 96 740 0 5 ) |
| 摘 要： | 讨论模型未知的平均报酬强化学习算法。通过结合即时差分学习与Ｒ学习算法，将折扣问题中的一些方法推广到了平均准则问题中，提出了两类算法：Ｒ（λ）学习。现有的Ｒ学习可视为Ｒ（λ）学习和ＴＴＤ（λ）学习当λ＝０时的一个特例。仿真结果表明，λ取中间值的Ｒ（λ）和ＴＴＤ（λ）学习比现有的方法在可靠性与收敛速度上均有提高。 |
| 关 键 词： | R学习 强化学习算法 平均报酬模型 机器学习 |
| 修稿时间： | 1998-10-21 |
Model-Free Average Reward Multi-step Reinforcement Learning |
|
| HU Guanghua,WU Cangpu.Model-Free Average Reward Multi-step Reinforcement Learning[J].Control Theory & Applications,2000,17(5):660-664. | |
| Authors: | HU Guanghua WU Cangpu |
| Abstract: | |
| Keywords: | reinforcement learning temporal difference learning Markov decision processes R-learning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《控制理论与应用》浏览原始摘要信息 | |