二次奖罚学习自动机

摘要：

研究了奖罚型学习自动机的一种非线性强化算法.与线性的奖罚模型(LRP)不同,新模型的行动选择概率的更新函数为二次的.这使得该模型的学习性能优于LRP,且对不同的环境,其具有不同的行为和特点.

关键词：人工智能、强化学习、学习自动机

所属期刊栏目：29

分类号：TP2(自动化技术及设备)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：47-49