连续空间的递归最小二乘行动者—评论家算法 - 计算机应用研究.pdf

第３１卷第７期 计 算 机 应 用 研 究 Ｖｏｌ．３１Ｎｏ．７ 　 　 ２０１４年７月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｊｕｌ．２０１４ 连续空间的递归最小二乘行动者—评论家算法 朱文文，金玉净，伏玉琛，宋绪文 （苏州大学计算机科学与技术学院，江苏 苏州２１５００６） 摘　要：传统的行动者—评论家（ａｃｔｏｒｃｒｉｔｉｃ，ＡＣ）算法用在连续空间时，数据利用率低、收敛慢，而现实世界中采 样往往需要昂贵的代价，因此提出了一种新的连续空间递归最小二乘ＡＣ算法，能够充分利用数据，提高学习预 测能力。该方法用高斯径向基函数对连续的状态空间进行编码，评论家部分改用带资格迹的递归最小二乘时间 差分方法，而行动者部分用