新疆大学学报(自然科学版)

2018, v.35;No.150(02) 209-216

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种基于核的在线策略梯度算法
A Kernel-based Online Policy Gradient Algorithm

唐丽丽;朱海军;朱斐;

摘要(Abstract):

策略梯度算法是一种广义的策略迭代方法,由于其高效性得到了广泛的关注和研究.策略梯度算法包括策略评估与策略改进两个部分.传统的在线策略梯度方法在处理大规模问题时,表现不佳.为此,提出一种基于核的在线策略梯度算法,在强化学习经典算法评论家行动者的框架下,采用核方法近似表示值函数与策略函数,采用真在线时间差分算法评估策略的值函数,并根据真在线思想改进策略参数的更新方式.最后通过平衡杆问题和爬山小车实验验证算法的有效性.

关键词(KeyWords): 策略梯度;在线学习;核方法;强化学习;时间差分

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61303108)

作者(Author): 唐丽丽;朱海军;朱斐;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享