平均报酬模型的多步强化学习算法
胡光华
吴沧浦
1.北京理工大学自动控制系,北京,1000812.北京理工大学自动控制系,北京,100081
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
分类号：O231(控制论、信息论（数学理论）)
资助基金：中国科学院项目（非规范项目）(69674005)
论文发表日期：2000-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 660-664 )
英文信息