北京理工大学自动控制系 100081
在基于动态规划的强化学习中, 利用状态集结方法可以减小状态空间的大小, 从而在一定程度 上克服了维数灾的困难, 同时还可以加快学习速度。 但状态集结是一种逼近方法, 由此产生的问题是, 状 态集结后的Q - hat 强化学习收敛所得的最优Q 值函数与集结前相应的最优Q 值函数会有多大的误 差。为此提出了基于最小最大逼近强化学习的误差估计。
吴沧浦,刘念泉.基于最小最大逼近强化学习的误差分析[J].控制与决策,2000,15(2):193-196
办公地点：东北大学 综合楼313室
通讯地址：沈阳市和平区文化路3巷11号 东北大学125信箱 《控制与决策》编辑部(110819)
收件人：《控制与决策》编辑部 (如果快递，请选择EMS或顺丰快递，其他快递无法送达。)
电话: 024-83687766，23906437 
E-mail: kzyjc@mail.neu.edu.cn 
Rss
Email Alert
