期刊专题

10.3969/j.issn.1002-137X.2010.12.042

基于TD(λ)的自然梯度强化学习算法

引用
近年来强化学习中的策略梯度方法以其良好的收敛性能吸引了广泛的关注.研究了平均模型中的自然梯度算法,针对现有算法估计梯度时效率较低的问题,在梯度估计的值函数逼近中采用了TD(λ)方法.TD(λ)中的资格迹使学习经验的传播更加高效,从而能够降低梯度估计的方差,提升算法的收敛速度.车杆平衡系统仿真实验验证了所提算法的有效性.

策略梯度、自然梯度、TD(λ)、资格迹

37

TP181(自动化基础理论)

国家自然科学基金项目70971067,60905002;江苏省高校自然科学重大基础研究项目08KJA520001;江苏省六大人才高峰项目2007148

2011-03-18(万方平台首次上网日期,不代表论文的发表时间)

共4页

186-189

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

37

2010,37(12)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn