连续空间增量最近邻时域差分学习
针对连续空间强化学习问题,提出一种基于局部加权学习的增量最近邻时域差分(TD)学习框架。通过增量方式在线选取部分已观测状态构建实例词典,采用新观测状态的范围最近邻实例逼近其值函数与策略,并结合TD算法对词典中各实例的值函数和资格迹迭代更新。就框架各主要组成部分给出多种设计方案,并对其收敛性进行理论分析。对24种方案组合进行仿真验证的实验结果表明, SNDN组合具有较好的学习性能和计算效率。
时域差分学习、值函数逼近、策略逼近、局部加权学习
TP18(自动化基础理论)
国家自然科学基金项目61100118,60671033;海南省自然科学基金项目613153
2014-12-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
2121-2128