平均准则问题的即时差分学习算法

摘要：

考虑平均准则随机动态规划(SDP)问题的一族在线即时差分(TD)学习算法.在学习中,平均问题的相对值函数是控制器所要学习的目标函数.所提出的算法是已有的TD(λ)算法及R-学习算法的一种推广.

关键词：即时差分学习、强化学习、动态规划、Monte Carlo方法

所属期刊栏目：26

分类号：TP2(自动化技术及设备)

资助基金：国家自然科学基金

在线出版日期：2004-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：533-536