平均奖赏MDP的在策略无模型激励学习算法

摘要：

本文以随机逼近的形式，提出了一些用于求解平均奖赏Markov决策过程系统方程的在策略无模型激励学习算法。这些算法与广泛且成功 应用于折扣奖赏MDP的SARSA(λ)类算法相似。为比较这些新算法的性能，本文还给出了一些初步的实验结果。

关键词：激励学习、Markov决策过程、平均奖赏、折扣奖赏、动态规划

所属期刊栏目：23

分类号：TP18(自动化基础理论)

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4页

页码：66-69