10.3969/j.issn.1672-9722.2019.07.005
多步强化学习算法的收敛性分析
在强化学习(Reinforcement Learning)算法理论中,最近有学者提出了一个新的估值算法Q(σ) ,这里σ是采样度(degree of sampling),这是一个介于全采样(full-sampling)和非采样(no-sampling)的新方法. Q(σ)统一了Sarsa和Expect?ed Sarsa等传统算法,但是Q(σ)的提出者只在实验上验证了算法的有效性.该文对Q(σ)的收敛性作了理论分析,证明了在一定条件下Q(σ)是收敛的.
强化学习、值函数估计、优化、时间差分
47
TP301.6(计算技术、计算机技术)
2020-01-17(万方平台首次上网日期,不代表论文的发表时间)
共4页
1582-1585