平均准则TD策略迭代算法.pdfVIP

下载本文档

32
0
约1.09万字
约 8页
2017-08-12 发布于安徽
举报
版权申诉

平均准则TD策略迭代算法.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

中国运筹学会第六届学术交流会论文集 15日湖南长沙，2000年10月10 Globa．1一Link出版社f香港)．第427～434页平均准则TD策略迭代算法胡光华云南大学戢学束，云南昆明650091 educ“ gmait：9hhu自1ynu 摘要本文考虑平均堆则模型马氏央策过程的一种改进的策略迭代算法一即时差分【TDl策略造代法．通过引入所谓即时差分的概念，将传统的策略选代算法的策略赋值步改进为近似策略赋值，相当于将值造代算法与策略迭代算法进行丁折中．最后对所培的TD策略迭代算法的收敛性进行了讨论．关键字：马氏决策过程，平均准则，即时差分 TD for IterationMethod Criteria Policy Average HU Guanghua rmaT7 ofMathematicsYu 650091 Department Umversity．】沁nndnKunming Abstract Inthis he％r method itera|ion called for paper．a differences(TDshort) policy temporal iterationmethod policy forMarkovdecision with criteriaisconsidered． processes average Ithas the classic iterationmeLhod the improved policy byusingapproximatepolicy evaluationof instead evaluationthenotionof differences， aCCOlacy by policy Lemproal andis of tothecase and useof prmlarily wherethe geared large comp|exproblems ifessential ofthe methodisdiscussed approximations converg