基于神经网络的Sarsa强化学习算法

摘要：

标准的Sarsa算法对状态空间的要求是离散的且空间较小,而实际问题中很多的系统的状态空间是连续的或尽管是离散的但空间较大,这就要求有很大的空间来存储状态动作对(State-Action-Pair).对此文中提出用BP网络队列保存SAPs,实验验证可以解决由于空间过大而带来的Q值表示问题.

关键词：强化学习、智能主体、马尔可夫决策过程、误差后向传播网络、状态动作对

所属期刊栏目：16

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2006-03-23（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：30-32