基于一般化斜投影的异策略时序差分学习算法

吴毓双1，陈筱语1，马静雯2，陈兴国2，3*

Off－policy linear temporal difference learning algorithms with a generalized oblique projection

Wu Yushuang1，Chen Xiaoyu1，Ma Jingwen2，Chen Xingguo2，3*

南京大学学报(自然科学版) . 2017, (6): 1052 .