基于动态规划方法的激励学习遗忘算法.pdfVIP

下载本文档

8
0
约6.12万字
约 6页
2015-09-07 发布于湖北
举报
版权申诉

基于动态规划方法的激励学习遗忘算法.pdf

1、本文档共6页，可阅读全部内容。
2、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。
3、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。
4、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)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、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。
7、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。
8、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

基于动态规划方法的激励学习遗忘算法.pdf

基于动态规划方法的激励学习遗忘算法 ! 1 2 1 2 殷苌茗王汉兴陈焕文 1! # 上海大学理学院上海 200436 2 长沙电力学院数学与计算机系长沙 ! 4 10077 $ % E-mail cmyin@ 摘要一个激励学习通过学习一个从状态到动作映射的最优策略来解决策问题激励学习方法是利用 Agent % Agent % ! $ 试验与环境交互以改进自身的行为 Markov 决策过程 MDP 模型是解决激励学习问题的通用方法而动态规划方法是 % Agent 在具有Markov 环境下与策略相关的值函数学习算法但由于Agent 在学习的过程中需要记忆全部的值函数这 % 个记忆容量随着状态空间的增加会变得非常巨大文章提出了一种基于动态规划方法的激励学习遗忘算法这个算法是通过将记忆心理学中有关遗忘的基本原理引入到值函数的激励学习中导出了一类用动态规划方法解决激励学习问题的比较好的方法即Forget-DP 算法% 关键词激励学习 Markov 决策过程动态规划值函数记忆遗忘算法文章编号 ! $ 文献标识码中图分类号 1002-8331- 2004 16-0075-04 A tP181 The Forgetting Reinforcement Learning Algorithm Based-on Dynamic Programming Methods #