论文部分内容阅读
提出了一种固定长度经验回放的思想，并将该思想与一步Q和pengQ（λ）学习算法相结合，得到了相应的改进算法。该文采用不同的回放长度L将改进的算法应用在网格环境和汽车爬坡问题中进行了仿真。结果表明，改进的一步Q学习算法在两个例子中都比原算法具有更好的学习效率。改进的PengQ（λ）学习在马尔呵夫环境中对选择探索动作非常敏感。增大L几乎不能提高学习的效率，甚至会使学习效率变差；但是在具有非马尔可夫属性的环境中对选择探索动作比较不敏感，增大L能够显著提高算法的学习速度。实验结果对如何选择适当的L有着指导作用。