小红花·文摘

本文提出了一种基于模型的加强学习算法（H-UCRL），通过加强输入空间和利用先验不确定性来提高探索，优化策略时能区分不确定性和确定性。实验表明，该算法在已知惩罚的情况下能加速学习，并且适用于现有的基于模型的加强学习算法。