二次奖罚学习自动机  

Quadratic Reward-Penalty Learning Automaton

作　　者：刘晓[1] 

机构地区：[1]中国航空计算技术研究所

出　　处：《航空计算技术》1999年第2期47-49,共3页Aeronautical Computing Technique

摘　　要：研究了奖罚型学习自动机的一种非线性强化算法。与线性的奖罚模型（ＬＲＰ）不同，新模型的行动选择概率的更新函数为二次的。这使得该模型的学习性能优于ＬＲＰ，且对不同的环境，其具有不同的行为和特点。In this paper a nonlinear reinforcement algorithm for reward penalty type learning automata is studied. It is different from the linear reward penalty model (L RP ), the update function of action selection probability of the presented algorithm is quadratic. The learning performance of the new model is superior to the one of the L RP Additionally, for different environments, the proposed automaton possesses different behaviours and properties.

关 键 词：人工智能 强化学习 学习自动机 二次奖罚 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]