%0 Journal Article
%T 平均准则问题的即时差分学习算法
%A 胡光华
%A 吴沧浦
%J 自动化学报
%P 533-536
%D 2000
%X ？考虑平均准则随机动态规划(SDP)问题的一族在线即时差分(TD)学习算法.在学习中,平均问题的相对值函数是控制器所要学习的目标函数.所提出的算法是已有的TD(λ)算法及R-学习算法的一种推广.
%K 即时差分学习
%K 强化学习
%K 动态规划
%K MonteCarlo方法
%U http://www.aas.net.cn/CN/abstract/abstract16555.shtml