基于线性平均的强化学习函数估计算法

提出了一种基于最小线性平均的强化学习算法，用于解决连续空间下强化学习函数估计的非收敛性问题。该算法基于梯度下降法，根据压缩映射原理，通过采用线性平均法作为值函数估计的性能衡量标准，把值函数估计的迭代过程转化为一个收敛于不动点的过程。该算法利用强化学习算法的标准问题MountainCar问题进行了验证，仿真结果验证了算法是有效的和可行的，并且可以快速收敛到稳定值。