期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

多步截断SARSA强化学习算法 被引量：5

An algorithm of reinforcement learning for a truncated multi-step SARSA
下载PDF
导出
摘要 提出了一种新的 on- policy强化学习算法 ,其基本思想是按照一定学习策略 ,利用 k(k >1)步的信息来估计 TD (λ)回报值 ,从而加快对行动最优值估计的更新。更新速度比 SARSA (0 )算法快 ,但不象 SARSA (λ) In this paper, we propose a new on policy reinforcement learning algorithm The main principle of the algorithm is based on a policy That is, using the information of k(k>1) estimates the return value of TD(λ), leading to a faster renewal of estimating the optimal value of actions The renewal speed is faster than the algorithm of SARSA(0) but less calculation than SARSA(λ)
作者 李春贵 林海涛 刘永信
机构地区 广西工学院计算机系 内蒙古大学自动化系
出处 《广西工学院学报》 CAS 2002年第1期1-4,共4页 Journal of Guangxi University of Technology
关键词 强化学习 MARKOV决策过程 Q学习 SQRSA学习 机器学习 多步截断SARSA强化学习算法 reinforcement learning MDPs Q learning SARSA learning
分类号 TP18 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献6

  • 1[1]Watkins C.J. C. H. Learning from delayed rewards [D] . Cambridge Univ. , England. 1989.
  • 2[2]Sutton R.S.Learning to predict by the method of temporal difference [J] .Machine Learning , 1988, (3): 9-44.
  • 3[3]Peng J.& Williams R.Incremental multi-step Q-learning [J] .Machine Learning, 1996, (22): 283-290.
  • 4[4]Rummery G.A & Niranjan M.On-line Q-learning using connectionist systems [R] .CUED/F-INFENG/TR 166,Cambridge University, UK.1994.
  • 5[5]Bertsekas D.P.Dynamic programming: deterministic and stochastic models [M] .Prentice Hall, USA.1987.
  • 6[6]Sutton R.S.& Barto A.G.An introduction to reinforcement learning [M] .The MIT Press, USA.1998.

同被引文献42

  • 1杨威,李俊山,张媛莉.基于HLA的雷达对抗训练仿真系统研究[J].微计算机信息,2006,22(01S):240-242. 被引量：19
  • 2承向军,常歆识,杨肇夏.基于Q-学习的交通信号控制方法[J].系统工程理论与实践,2006,26(8):136-140. 被引量：14
  • 3赵晓华,李振龙,陈阳舟.基于Q学习的城市交通信号灯混杂控制(英文)[J].系统仿真学报,2006,18(10):2889-2894. 被引量：4
  • 4陈洪,陈森发.单路口交通实时模糊控制的一种方法[J].信息与控制,1997,26(3):227-233. 被引量：61
  • 5Piao Songhao, Hang Bingrong. Fast Reinforcement earning Appro-ach to Cooperative Behavior Acquisition in Multi-agent System.Proceedings of the 2002 IEEE/RSJ Intl. Conference on IntelligentRobots and Systems, Lausanne, Switzerland. 2002-10:871- 875
  • 6洪炳镕.机器人足球技术的发展战略[A].中国人工智能学会第9届全国学术年会论文集[C].2001.
  • 7STONE P , VELOSO M. Muhi2agent systems : a survey from a machine learning perspective [ R] . CMU CS technical re2 port , No. CMU - CS - 97 - 193.Server. Proc. of IROS Workshop on Robocup, 1996
  • 8Nobuo S, Akira H. A Muhiagent Reinforcement Learning Algorithm Using Extended Optimal Response. Proc. of the First International Joint Conference on Autonomous Agents & Multiagent Systems,Bologna, Italy, 2002-07:370- 377
  • 9Hu Junling, Michael W P. Muhiagent Reinforcement Learning: Theoretical Framework and an Algorithm. Proc.15th International Conf. on Machine Learning 1998:242- 250
  • 10Caroline C, Craig B. The Dynamics of Reinforcement Learning in Cooperative Muhiagent Systems. In Proc. Workshop on Multi-agent Learning, 1997:602- 608

引证文献5

二级引证文献10

广西工学院学报
2002年 第1期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部