摘要
Ｑ学习算法是Ｗａｔｋｉｎｓ提出的求解信息不完全马尔可夫决策问题的一种强化学习方法．这里提出了一种新的探索策略，并将该策略和Ｑ学习算法有效结合来求解一类典型的有连续状态和决策空间的库存控制问题．仿真表明，该方法所求解的控制策略和用值迭代法在模型已知的情况下所求得的最优策略非常逼近，从而证实了Ｑ学习算法在一些系统模型未知的工程控制问题中的应用潜力．
出处
《自动化学报》
EI
CSCD
北大核心
1999年第2期236-241,共6页
Acta Automatica Sinica
基金
国家自然科学基金
