摘要
Ｑ学习是Ｗａｔｋｉｎｓ［１］提出的求解信息不完全马尔可夫决策问题的一种强化学习方法．将Ｑ学习算法和ＢＰ神经网络有效结合，实现了状态未离散化的倒立摆的无模型学习控制．仿真表明：该方法不仅能成功解决确定和随机倒立摆模型的平衡控制，而且和Ａｎｄｅｒｓｏｎ［２］的ＡＨＣ（ＡｄａｐｔｉｖｅＨｅｕｒｉｓｔｉｃＣｒｉｔｉｃ）等方法相比，具有更好的学习效果．
出处
《自动化学报》
EI
CSCD
北大核心
1998年第5期662-666,共5页
Acta Automatica Sinica
基金
国家自然科学基金
