| 参数Markov决策过程的随机逼近算法 |
| |
| 引用本文： | 胡光华.参数Markov决策过程的随机逼近算法[J].云南大学学报(自然科学版),2003,25(5):377-380. |
| |
| 作者姓名： | 胡光华 |
| |
| 作者单位： | {{if article.pacs && article.pacs != '}}PACS: {{article.pacs}}{{/if}} |
| |
| 基金项目： | 云南省教育厅基金资助项目(K1050401)，云南大学理(工)科校级科研项目资助(K1059040). |
| |
| 摘 要： | 讨论平均报酬参数马氏决策过程的随机梯度算法,利用与折扣报酬的关系,给出了目标函数的梯度的一个新的表达式.同时得到了基于单一样本路径的随机逼近算法,最后证明了算法以概率1收敛到其梯度.
|
| 关 键 词： | 参数Markov决策过程 随机逼近 平均报酬 |
| 文章编号： | 0258-7971(2003)05-0377-04 |
| 修稿时间： | 2003年5月5日 |
A stochastic approximation for parameters Markov decision processes |
| |
| HU Guang,hua.A stochastic approximation for parameters Markov decision processes[J].Journal of Yunnan University(Natural Sciences),2003,25(5):377-380. |
| |
| Authors: | HU Guang hua |
| |
| Institution: | {{if article.pacs && article.pacs != '}}PACS: {{article.pacs}}{{/if}} |
| |
| Abstract: | A stochastic gradient algorithm for average reward Markov decision processes (MDP) that depends on a parameter vector is proposed.A new gradient of the object function is given and a stochastic approximation algorithm that bases on a single sample path is presented.Finally,a convergence of the gradient (with probability 1) is provided. |
| |
| Keywords: | parameters Markov decision processes stochastic approximation average rewards |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《云南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《云南大学学报(自然科学版)》下载免费的PDF全文 |
