Dual Parallel Policy Iteration With Coupled Policy Improvement

In this article, a novel coupled policy improvement mechanism is developed for improving policy iteration (PI) algorithms. In contrast to the common PI, the developed dual parallel policy iteration (DPPI) with coupled policy improvement mechanism consists of two parallel PIs. At each PI step, the pe...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transaction on neural networks and learning systems Ročník 35; číslo 3; s. 1 - 13
Hlavní autoři:	Cheng, Yuhu, Huang, Longyang, Chen, C. L. Philip, Wang, Xuesong
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.03.2024 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Control tasks Convergence Coupled policy improvement mechanism Divergence dominant policy dual parallel policy iteration (DPPI) Entropy Iterative methods Machine learning Markov processes Policies reinforcement learning (RL) Space exploration Stability criteria Task analysis Training
ISSN:	2162-237X, 2162-2388, 2162-2388
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!