| 平均奖赏MDP的在策略无模型激励学习算法 |
| |
| 引用本文： | 陈焕文,谢丽娟. 平均奖赏MDP的在策略无模型激励学习算法[J]. 计算机工程与科学, 2001, 23(2): 66-69 |
| |
| 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, |
| |
| 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 人工智能 |
| 文章编号： | 1007-130X(2001)02-0066-04 |
On-Policy Modeless Reinforcement Learning Algorithms for Average-Payoff MDPs |
| |
| CHEN Huan-wen,XIE Li-juan. On-Policy Modeless Reinforcement Learning Algorithms for Average-Payoff MDPs[J]. Computer Engineering & Science, 2001, 23(2): 66-69 |
| |
| Authors: | CHEN Huan-wen XIE Li-juan |
| |
| Abstract: | New on-policy modeless average-pa yoff reinforcement learning algorithms are derived as stochastic approximation m ethods for solving the system of equations in average-payoff Markov decision pr ocesses.These algorithms are analogous to the popular SARSA(λ) learning algorit hms already used in the discounted-payoff case.Preliminary empirical resu lts are presented to validate these new algorithms. |
| |
| Keywords: | reinforcement learning Markov decision process(MDP) average payoff discounted payoff dynamic programming(DP) |
| 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》下载免费的PDF全文 |
