跳到主要内容
检索

# Bather唯一分层分解

1 篇关联报道

订阅更新
  1. arXiv

    Bather分解驱动的多链MDP平均奖励强化学习:三个算法实现几乎必然收敛并改善瞬态表现

    该工作针对平均奖励多链MDP提出三个异步值迭代强化学习算法:基础算法利用Bather唯一层次分解将状态空间划分为通信子系统与瞬态状态,用RVI Q学习估计各子系统增益、用Q学习求解聚合最优停止问题,几乎必然收敛到最优增益并在有限时间后产生增益最优策略;另两个算法分别近似求解平均最优方程以获得近增益最优策略、以及通过折扣近似最优偏差函数以获得近偏差最优策略,实验显示后两者在保持近增益最优的同时改善瞬态表现。

已读完全部报道