论文部分内容阅读
一个激励学习Agent通过学习一个从状态到动作映射的最优策略来求解决策问题。求解最优决策一般有两种途径，一种是求最大奖赏方法，另一种是求最优费用方法。该文利用求解最优费用函数的方法给出了一种新的Q学习算法。Q学习算法是求解信息不完全Markov决策问题的一种有效激励学习方法。文章从求解最优费用函数的方法出发，给出了Q学习的关联值递归算法，这种方法的建立，可以使得动态规划（DP）算法中的许多结论直接应用到Q学习的研究中来。