S_一个基于平均奖赏MDPs的激励学习算法.pdfVIP

认 一 基于平均奖 。 激励学习 法 个 赏 的 算 以 一 于 均 习 法 个基 平 奖赏 的激励学 算 陈焕文 谢丽娟 长沙 电力学院 学与 机 湖南 长沙 数 算 系 谢建平 长沙 学院 网络 心 南 长沙 交通 中 湖 当 习 。 文 摘要 折扣最优判据是 今激励学 领域广泛使用的判据 本 分析了折扣最优判 , , 于 了 据存在的问题 对基 折扣最优判据的 劝算法进行了扩展 提出 一个 , 、 · 习 新的基于平均奖赏 的无模型激励学 算法 劝 并对标准 烧 劝 法和 能进 了比 。 算 劝算法的性 行 较实验 关键词 激励学习 决策过程 平均奖赏 折扣奖赏 位 门 山 叭吧 , 啊兀 , 已山以 , 茂二 加 ! 加功 苗 幼 劝叹 山坦氏 由 皿 如 怕 勺 恤 刀 叨 兀 , 出 山坦践 加犯 们 画 , 酬喊 邝 。沈泊 , 币