折扣奖赏相关硕士博士期刊学术论文 - 搜论网

折扣奖赏相关论文

平均奖赏MDP的在策略无模型激励学习算法

本文以随机逼近的形式，提出了一些用于求解平均奖赏Markov决策过程系统方程的在策略无模型激励学习算法。这些算法与广泛且成功应......

期刊

激励学习 MARKOV决策过程平均奖赏折扣奖赏人工智能 reinforcement learningMarkov decision process(MDP

看过本文同时还关注