S(λ):一个基于平均奖赏MDPs的激励学习算法

摘要：

折扣最优判据是当今激励学习领域广泛使用的判据.本文分析了折扣最优判据存在的问题,对基于折扣最优判据的PW-SARSA(λ)算法进行了扩展,提出了一个新的基于平均奖赏MDPs的无模型激励学习算法S(λ),并对标准SARSA(λ)、PW-SARSA(λ)算法和S(λ)算法的性能进行了比较实验.

关键词： 激励学习 Markov决策过程 平均奖赏 折扣奖赏 机器学习

作者: 陈焕文 谢丽娟 谢建平

作者单位: 长沙电力学院数学与计算机系(湖南长沙) 长沙交通学院网络中心(湖南长沙)

会议类型: 国内会议

会议名称: 2001年中国智能自动化会议

会议地点: 昆明

会议语种:中文

页码: 381-387

在线出版日期: 2001-08-01（万方平台首次上网日期，不代表论文的发表时间）