论文部分内容阅读
将函数逼近用于强化学习是目前机器学习领域的一个新的研究热点．针对传统的基于查询表及函数逼近的Q（A）学习算法在大规模状态空间中收敛速度慢或者无法收敛的问题，提出一种基于线性函数逼近的离策略Q（A）算法．该算法通过引入重要性关联因子，在迭代次数逐步增长的过程中，使得在策略与离策略相统一，确保算法的收敛性．同时在保证在策略与离策略的样本数据一致性的前提下，对算法的收敛性给予理论证明．将文中提出的算法用于Baird反例、Mountain—Car及RandomWalk仿真平台，实验结果表明，该算法与传统的基于函数