文献类型：期刊文章

作　　者：张平[1] 斯特凡.卡纽[2]

机构地区：[1]国家科研中心817号 [2]启发与诊断实验室.贡比涅科技大学

出　　处：《控制理论与应用》

年　　份：1998

卷　　号：15

期　　号：1

起止页码：100-104

语　　种：中文

收录情况：BDHX、BDHX1996、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：加强型学习系统是一种与没有约束的、未知的环境相互作用的系统．学习系统的目标在于最大可能地获取累积奖励信号．这个奖励信号在有限、未知的生命周期内由系统所处的环境中得到．对于一个加强型学习系统，困难之一在于奖励信号非常稀疏，尤其是对于只有时延信号的系统．已有的加强型学习方法以价值函数的形式贮存奖励信号，例如著名的Q－学习．本文提出了一个基于状态的不确定性估计模型的方法．这个算法有效地利用了存贮于价值函数中的奖励信息．它同时适用于带有立即奖励和时延奖励信号两种情况．实验结果表明，本文的算法具有很好的学习行为．

关 键 词：加强型 熵估计  马尔柯夫过程 学习系统  伪熵  

分 类 号：TP273.22]