原创力文档- 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
查看更多
平均报酬模型强化学习理论、算法及应用
第33卷第18期 计算机工程 2007年9月
2007
砀L船 胁．朋 Engineering September
Computer
l加肛_3428‘瑚7)18—帅t8-_02 TP24
·慵2士论文· 文章一号I 文献标识研：A 中田分樊号l
平均报酬模型强化学习理论、算法及应用
黄炳强1，曹广益1，李建华2
(1上海交通大学自动化系，上海20I)030；2．华东理工大学计算机系，上海200237)
萎蔓：折扣报醐模型强化学习是目前强化学习研究的主流，但折扣因子的选取使得近期期望报酬的影响大于远期期望报酬的影响，而有
时候较大远期期望报酬的策略有可能是最优的，因此比较台理的方拄是采用平均报酬模型强化学习。该文介绍了平均报酬模型强化学习的
两个主要算；盍以及主要应用。
关t词：平均报酬强化学习；R学习；H学习
RewardReinforcement
Average LearningTheory
Its
andApplication
Algorithms
HUANG Jian·hua2
Bing-qian91。CAOGuang-yil，LI
(1．Dcpaxtrnent 200030；
ofAutomatio儿ShanghaiJiaotongUniversity,Shanghai
200237)
2．DepartmentofComputerScience．EastChitlaUniversityofScienceandTechnology,Shahghai
of
rewardreinforcementisthemainstreamreinforcementl℃searchanditsshort-termrewardismore
[Abstract]Discountedlearning learning
a reward tO the it toilsethe
than thediscountfactor．However,sometimesis andisreasonable
importantlong-termowing long—term∞w盯doptimal
rewardreinforcement rewardreinforcement and
method．This average
average learning paperpresents learningincludingR·learningH-learning．
The is
applicationproposed．
rewardr
文档评论（0）