|
|||||
|
|
| 效用驱动的Markov强化学习 | |
| 作者姓名： | 韩伟 |
| 作者单位： | 南京财经大学,信息工程学院,南京,210046 |
| 基金项目： | 国家自然科学基金,国家高技术研究发展计划(863计划),南京财经大学校级课题,江苏省青蓝工程项目 |
| 摘 要： | 对智能体Q强化学习方法进行了扩展,讨论效用驱动的Markov强化学习问题。与单吸收状态相比,学习过程不再是状态驱动,而是效用驱动的。智能体的学习将不再与特定的目标状态相联系,而是最大化每步的平均期望收益,即最大化一定步数内的收益总和,因此学习结果是一个平均收益最大的最优循环。证明了多吸收状态下强化学习的收敛性,将栅格图像看作具有多个吸收状态的格子世界,测试了确定性环境下多吸收状态Q学习的有效性。 |
| 关 键 词： | 强化学习 智能体 Markov决策过程 |
| 收稿时间： | 2008-01-10 |
| 修稿时间： | 2008-3-31 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 | |
| 点击此处可从《计算机工程与应用》下载全文 | |