作者：殷苌茗; 王汉兴; 陈焕文激励学习markov决策过程动态规划值函数记忆遗忘算法
摘要：一个激励学习Agent通过学习一个从状态到动作映射的最优策略来解决策问题。激励学习方法是Agent利用试验与环境交互以改进自身的行为。Markov决策过程(MDP)模型是解决激励学习问题的通用方法，而动态规划方法是Agent在具有Markov环境下与策略相关的值函数学习算法。但由于Agent在学习的过程中，需要记忆全部的值函数，这个记忆容量随着状态空间的增加会变得非常巨大。文章提出了一种基于动态规划方法的激励学习遗忘算法，这个算法是通过将记忆心理学中有关遗忘的基本原理引入到值函数的激励学习中，导出了一类用动态规划方法解决激励学习问题的比较好的方法。即Forget—DP算法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
