連続行動空間強化学習にNewton法直接作用選択アプローチは,適格トレースを使用する拡張した。更新方程式の観点から文献ともシミュレートされたカート-ポールベンチマーク問題の二つのバリアントに訓練に必要な試験の成功率と数からの運動量項法と比較した。適格性トレース法はカート-ポール問題に関するより少ない試行で運動量法,及び列車よりもはるかに広い範囲のパラメータ値と高い成功率を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】