基于平均报酬模型的强化学习算法研究

被引：1

作者：

黄炳强 ^{[1
]}

曹广益 ^{[1
]}

费燕琼 ^{[2
]}

王占全 ^{[3
]}

机构：

[1] 上海交通大学电子信息与电气工程学院

[2] 上海交通大学机械与动力工程学院

[3] 华东理工大学信息科学与工程学院

来源：

关键词：

平均报酬强化学习; R学习; H学习; LC学习;

D O I：

10.13255/j.cnki.jusst.2006.05.003

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

对于有吸收目标状态的循环任务,比较合理的方法是采用基于平均报酬模型的强化学习.平均报酬模型强化学习具有收敛速度快、鲁棒性强等优点.本文介绍了平均报酬模型强化学习的3个主要算法:R学习、H学习和LC学习,并给出了平均报酬模型强化学习的主要应用及研究方向.

引用

页码：418 / 422

页数：5

共 5 条

[1] 一类基于有效跟踪的广义平均奖赏激励学习算法 [J].

陈焕文 ;

谢建平 .

[2] 机器人足球赛中基于增强学习的任务分工 [J].

顾冬雷 ;

陈卫东 ;

席裕庚 .

[3] 平均报酬模型的多步强化学习算法 [J].

胡光华 ;

吴沧浦 .

[4] 强化学习理论、算法及应用 [J].

张汝波 ;

顾国昌 ;

刘照德 ;

王醒策 .

[5]

Andrew G. Barto,Sridhar Mahadevan.Recent Advances in Hierarchical Reinforcement Learning[J].