在策略激励学习算法的POMDPs实验研究.pdfVIP

第36卷 南京大学学报(自然科学) v01．36 NANJⅢGUNIVERSrrY 计算机专辑 JOU砌qAL0F Compu舫Is吼埔 2000年l NoV．2000 1月n呵ATURALSCIENCES) 在策略激励学习算法的POMDPs实验研究’ 陈焕文 谢丽娟 (长沙电力学院数学与计算机系，长沙，4】0077) 谢建平 (长沙交通学院网络中心，长沙，4】0076) ■蔓SARSAlk)和Q学习算法是两类量重要的激励学习算}击．本文结合一些已有算法t提 出r一个新的激自学习算法。称为P、“sARsA(k潭法．通过一系列实验．对部分可观测M-岫v (p0MDP)环境下无记忆策略的确定目匿进行r检验．结果表明，在一定条件下，智能件可