论文部分内容阅读
对广泛存在的一类事件驱动的平均费用型马尔可夫决策问题，通过分析其模型特征，研究了一种简单的增强型学习算法，不必将事件扩充为系统状态，而只对原始状态的值函数进行学习，减少了计算量和数据存储量。将算法应用于M/M/1排队系统的接纳控制问题，计算机仿真结果表明，算法优于通常的增强型学习和动态规划方法，验证了算法的有效性。