多步截断SARSA强化学习算法

作者：李春贵; 林海涛; 刘永信

来源：广西工学院学报, 2002, (01): 1-4.

• 强化学习
• Markov决策过程
• Q学习
• SARSA学习

提出了一种新的 on- policy强化学习算法 ,其基本思想是按照一定学习策略 ,利用 k(k >1)步的信息来估计 TD (λ)回报值 ,从而加快对行动最优值估计的更新。更新速度比 SARSA (0 )算法快 ,但不象 SARSA (λ)需要大量的计算

• 出版日期2002-3-30
• 单位广西科技大学; 内蒙古大学