J.Abounadi。;D.伯塞卡斯。;博卡尔，V.S。 具有平均成本的马尔可夫决策过程的学习算法。 （英语） Zbl 1001.93091号 SIAM J.控制优化 40，第3期，681-698（2001）. 作者首次提出并给出了最优平均成本控制问题的两种Q学习算法的严格收敛性分析。一种是原始相对值迭代（RVI）算法的随机近似模拟，另一种是基于问题的随机最短路径（SSP）公式的值迭代算法的随机逼近模拟[参见。D.贝塞卡斯和J.N.齐齐克利斯神经动力学编程，Athena Scientific，马萨诸塞州贝尔蒙特（1996；Zbl 0924.68163号);V.S.博卡尔和S.P.梅恩，SIAM J.控制优化38，447-469（2000；Zbl 0990.62071号)]. 本文通过研究\（Q^n\）的a.s.有界性和\（Q\）因子的相关ODE的稳定性行为，考虑并分析了同步和异步实现。有意义的是，由于状态空间较大，加速技术的使用值得探索，而在强化学习中，收敛速度通常较慢。此外，无限状态空间的情况仍然是一个悬而未决的问题。这些可能是该领域未来的重要方向。审核人：吴成勋（上海） 引用于26文件 MSC公司： 93年20日 最优随机控制 90立方厘米 马尔可夫和半马尔可夫决策过程 62L20型 随机近似 93E15型 控制理论中的随机稳定性 49升20 最优控制与微分对策中的动态规划 关键词：相对值迭代算法;稳定性 引文：Zbl 0924.68163号;Zbl 0990.62071号 PDF格式BibTeX公司 XML格式引用 \textit{J.Abounadi}等人，SIAM J.控制优化。40，编号3681-698（2001年；兹bl 1001.93091） 全文： 内政部