Fitted Q-iteration in continuous action-space MDPs

Andras Antos 1 Rémi Munos 2 Csaba Szepesvari 3
2 SEQUEL - Sequential Learning
LIFL - Laboratoire d'Informatique Fondamentale de Lille, Inria Lille - Nord Europe, LAGIS - Laboratoire d'Automatique, Génie Informatique et Signal
Abstract : We consider continuous state, continuous action batch reinforcement learning where the goal is to learn a good policy from a sufficiently rich trajectory generated by some policy. We study a variant of fitted Q-iteration, where the greedy action selection is replaced by searching for a policy in a restricted set of candidate policies by maximizing the average action values. We provide a rigorous analysis of this algorithm, proving what we believe is the first finite-time bound for value-function based algorithms for continuous state and action problems.
Type de document :
Rapport
[Technical Report] 2007, pp.24
Liste complète des métadonnées

Littérature citée [17 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00185311
Contributeur : Rémi Munos <>
Soumis le : mardi 8 janvier 2008 - 16:52:29
Dernière modification le : dimanche 4 novembre 2018 - 07:54:02
Document(s) archivé(s) le : mardi 21 septembre 2010 - 15:52:39

Fichier

rlca.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00185311, version 2

Collections

Citation

Andras Antos, Rémi Munos, Csaba Szepesvari. Fitted Q-iteration in continuous action-space MDPs. [Technical Report] 2007, pp.24. 〈inria-00185311v2〉

Partager

Métriques

Consultations de la notice

457

Téléchargements de fichiers

225