平均报酬模型的多步强化学习算法

摘要：

讨论模型未知的平均报酬强化学习算法.通过结合即时差分学习与R学习算法,将折扣问题中的一些方法推广到了平均准则问题中,提出了两类算法:R(λ)学习与截断即时差分TTD(λ)学习.现有的R学习可视为R(λ)学习和TTD(λ)学习当λ=0时的一个特例.仿真结果表明,λ取中间值的R(λ)和TTD(λ)学习比现有的方法在可靠性与收敛速度上均有提高.

关键词：强化学习、即时差分学习、马氏决策过程、R学习

所属期刊栏目：17

分类号：O231(控制论、信息论（数学理论）)

资助基金：中国科学院资助项目69674005

在线出版日期：2005-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：660-664