一种基于核的在线策略梯度算法

作者：唐丽丽; 朱海军; 朱斐

来源：新疆大学学报(自然科学版), 2018, 35(02): 209-216.

DOI：10.13568/j.cnki.651094.2018.02.014

• 策略梯度
• 在线学习
• 核方法
• 强化学习
• 时间差分

策略梯度算法是一种广义的策略迭代方法,由于其高效性得到了广泛的关注和研究.策略梯度算法包括策略评估与策略改进两个部分.传统的在线策略梯度方法在处理大规模问题时,表现不佳.为此,提出一种基于核的在线策略梯度算法,在强化学习经典算法评论家行动者的框架下,采用核方法近似表示值函数与策略函数,采用真在线时间差分算法评估策略的值函数,并根据真在线思想改进策略参数的更新方式.最后通过平衡杆问题和爬山小车实验验证算法的有效性.

• 单位
  苏州农业职业技术学院; 苏州大学