|
|||||
|
|
| 一种基于核的在线策略梯度算法 | |
| 引用本文： | 唐丽丽,朱海军,朱斐.一种基于核的在线策略梯度算法[J].新疆大学学报(理工版),2018(2). |
| 作者姓名： | 唐丽丽 朱海军 朱斐 |
| 作者单位： | 苏州农业职业技术学院;苏州大学计算机科学与技术学院 |
| 摘 要： | 策略梯度算法是一种广义的策略迭代方法,由于其高效性得到了广泛的关注和研究.策略梯度算法包括策略评估与策略改进两个部分.传统的在线策略梯度方法在处理大规模问题时,表现不佳.为此,提出一种基于核的在线策略梯度算法,在强化学习经典算法评论家行动者的框架下,采用核方法近似表示值函数与策略函数,采用真在线时间差分算法评估策略的值函数,并根据真在线思想改进策略参数的更新方式.最后通过平衡杆问题和爬山小车实验验证算法的有效性. |
| 本文献已被 CNKI 等数据库收录！ | |