平均奖赏MDP的在策略无模型激励学习算法  

On-Policy Modeless Reinforcement Learning Algorithms for Average-Payoff MDPs

作　　者：陈焕文 谢丽娟 

机构地区：[1]长沙电子学院数学与计算机系,湖南长沙410077

出　　处：《计算机工程与科学》2001年第2期66-69,共4页Computer Engineering & Science

摘　　要：本文以随机逼近的形式 ,提出了一些用于求解平均奖赏 Markov决策过程系统方程的在策略无模型激励学习算法。这些算法与广泛且成功应用于折扣奖赏 MDP的 SARSA(λ)类算法相似。为比较这些新算法的性能 ,本文还给出了一些初步的实验结果。New on policy modeless average payoff reinforcement learning algorithms are derived as stochastic approximation methods for solving the system of equations in average payoff Markov decision processes.These algorithms are analogous to the popular SARSA(λ) learning algorithms already used in the discounted payoff case.Preliminary empirical results are presented to validate these new algorithms.

关 键 词：激励学习 MARKOV决策过程 平均奖赏 折扣奖赏 人工智能 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]