一种解决连续问题的真实在线自然梯度行动者-评论家算法
大小：0.85 MB 人气： 2017-12-19 需要积分：0
标签：
策略梯度作为一种能有效解决连续空间决策问题的方法被广泛研究．然而，由于在策略估计过程中存在较大的方差，因此基于策略梯度的方法往往受到样本利用率低、收敛速度幔等限制．针对该问题。提出了真实在线增量式自然梯度行动者一评论家算法（TOINAC）.TOINAC算法采用优于传统梯度的自然梯度，在真实在线时间差分（TOTD）算法的基础上。提出了一种新型的向前观点，改进了自然梯度行动者一评论家算法．在评论家部分，利用TOTD算法高效性的特点来估计值函数：在行动者部分。引入一种新的向前观点来估计自然梯度。再利用资格迹将自然梯度估计变为在线估计。提高了自然梯度估计的准确性和算法的效率．将TOINAC算法与核方法以及正态策略分布结合，解决连续空间问题．最后。在平衡杆、Mountain Car、以及Acrobot等连续问题上进行了仿真实验。验证算法的有效性．
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%