即时差分策略迭代算法

摘要：

本文考虑平均准则模型马氏决策过程的一种改进的策略迭代算法:即时差分(TD:Temporal-Differences)策略迭代法.通过引入所谓即时差分的概念,将传统的策略迭代算法的策略赋值步改进为近似策略赋值,相当于将值迭代算法与策略迭代算法进行了折中.最后对所给的TD策略迭代算法的收敛性进行了讨论.

关键词： 马氏决策过程 平均准则 即时差分 迭代算法

作者: 胡光华 殷英 李世云

作者单位: 云南大学数学系(云南昆明) 文山师专(云南文山)

会议类型: 国内会议

会议名称: 中国运筹学会第七届学术交流会

会议地点: 青岛

会议语种:中文

页码: 919-925

在线出版日期: 2004-10-01（万方平台首次上网日期，不代表论文的发表时间）