TY -的A2 -弗朗哥,莱昂纳多盟——钟,掸族盟——刘,全非盟- Fu,启明创投PY - 2016 DA - 2016/10/03 TI -高效Actor-Critic算法层次模型的学习和规划SP - 4824072六世- 2016 AB -提高收敛速度和示例效率,两个高效学习方法AC-HMLP和RAC-HMLP (AC-HMLP l 2 正规化)提出的结合actor-critic算法和层次模型的学习和规划。层次模型组成的当地和全球模型,同时也学会了在学习的价值函数和政策,都是由当地线性回归(LLR)和近似线性函数近似(LFA),分别。局部模型和全局模型应用于生成样本计划;前者是只有在使用状态预测误差不超过阈值在每个时间步长,而后者是利用在每集的最后。将两种模型的目的是提高抽样效率和加速整个算法的收敛速度通过充分利用当地和全球信息。实验,AC-HMLP RAC-HMLP与三个代表在两个强化学习算法(RL)基准问题。结果表明,他们表现最好的样本在收敛速度和效率。SN - 1687 - 5265你2016/4824072 / 10.1155——https://doi.org/10.1155/2016/4824072——摩根富林明-计算神经科学情报和PB Hindawi出版公司KW - ER