论文研究 一种基于高斯过程的行动者评论家算法.pdf

强化学习领域的一个研究难点是在大规模或连续空间中平衡探索和利用的问题。针对该问题，应用函数近似与高斯过程方法，提出新的行动者评论家（actor-critic，AC）算法。该算法在actor中使用时间差分误差构造关于策略参数的更新公式；在critic中利用高斯过程对线性带参值函数建模，结合生成模型，根据贝叶斯推理求解值函数的后验分布。将该算法应用于平衡杆实验中，实验结果表明，算法收敛速度较快，可以有效解决在大规模或连续空间中探索和利用的平衡问题，具有较好的性能。