共 1 条
[1]
Incremental multi-step Q-learning[J] . Jing Peng,Ronald J. Williams.Machine Learning . 1996 (1)
多步 R 学习算法(英文)
被引：1
作者：
胡光华
吴沧浦
机构：
[1] 北京理工大学自动控制系!北京
关键词：
强化学习;
平均报酬;
R学习;
Markov决策过程;
即时差分学习;
D O I：
10.15918/j.jbit1004-0579.1999.03.004
中图分类号：
O232 [最优控制];
学科分类号：
070105 ;
0711 ;
071101 ;
0811 ;
081101 ;
摘要：
目的 讨论平均准则下控制马氏链的强化学习算法，在事先未知状态转移矩阵及报酬函数的条件下，通过试凑法寻找使得长期每阶段期望平均报酬最大的最优控制策略． 方法 结合平均报酬问题的一步学习算法和即时差分学习算法，提出了一种多步强化学习算法——— Ｒ（ λ） 学习算法． 结果与结论 新算法使得已有的 Ｒ 学习算法成为其λ＝ ０ 时的特例． 同时它也是折扣报酬 Ｑ（λ） 学习算法到平均报酬问题的自然推广． 仿真结果表明λ取中间值的 Ｒ（ λ） 学习算法明显优于一步的 Ｒ 学习算法．
引用
收藏
页码：245 / 250
页数：6
相关论文