Evaluation of a Family of Reinforcement Learning Cross-Domain Optimization Heuristics
Evaluation of a Family of Reinforcement Learning Cross-Domain Optimization Heuristics
复制标题
一系列强化学习跨域优化启发法的评估
DOI：
10.1007/978-3-642-34413-8_32
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Tommaso Urli
中科院分区：
文献类型：
--
作者：
L. Gaspero;Tommaso Urli
在我们参与跨领域启发式搜索挑战（CHeSC 2011）[1]时，我们开发了一种基于强化学习的方法，用于自动在线选择不同问题领域的低级启发式。我们测试了不同的记忆模型和学习技术来改进算法的结果。在本文中，我们报告了我们的设计选择和我们开发的不同算法的比较。
In our participation to the Cross-Domain Heuristic Search Challenge (CHeSC 2011) [1] we developed an approach based on Reinforcement Learning for the automatic, on-line selection of low-level heuristics across different problem domains. We tested different memory models and learning techniques to improve the results of the algorithm. In this paper we report our design choices and a comparison of the different algorithms we developed.