| 多步截断行动--评价强化学习算法 |
| |
| 引用本文： | 李春贵,刘永信,陈波. 多步截断行动--评价强化学习算法[J]. 内蒙古大学学报(自然科学版), 2005, 36(2): 210-213 |
| |
| 作者姓名： | 李春贵 刘永信 陈波 |
| |
| 作者单位： | 广西工学院计算机工程系,广西,柳州,545006;内蒙古大学自动化系,呼和浩特,010021 |
| |
| 基金项目： | 广西自然科学基金(桂科自0481016)，教育部重点项目基金(204031)，内蒙古大学博士基金(203043)资助 |
| |
| 摘 要： | 研究了行动-评价强化学习方法,通过把多步截断学习引入评价器代替单步学习,并定义一种新的迹来记忆最新的多步学习经验,提出一种新的行动-评价强化学习算法,并进行仿真实验,实验结果表明,新算法的学习效率有明显的提高,而在计算代价上仅多k个单位.
|
| 关 键 词： | 强化学习 行动-评价 多步截断 适合迹 |
| 文章编号： | 1000-1638(2005)02-0210-04 |
| 修稿时间： | 2004-08-19 |
A Truncated Multi-step Actor--Critic Reinforcement Learning Algorithm |
| |
| LI Chun-gui,LIU Yong-xin,CHEN Bo. A Truncated Multi-step Actor--Critic Reinforcement Learning Algorithm[J]. Acta Scientiarum Naturalium Universitatis Neimongol, 2005, 36(2): 210-213 |
| |
| Authors: | LI Chun-gui LIU Yong-xin CHEN Bo |
| |
| Affiliation: | LI Chun-gui~1,LIU Yong-xin~2,CHEN Bo~1 |
| |
| Abstract: | An actor-critic reinforcement learning method is investigated.The truncated multi-step learning can be used as learning component instead of step learning,and a new trace is defined to record multi-step learning experiences. A new actor-critic algorithm is proposed. The results of experiment show that the new algorithm has more effective performance, and it only spends extra k units in computing costs. |
| |
| Keywords: | reinforcement learning action-critic truncated multi-step eligibility trace |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
