2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、強(qiáng)化學(xué)習(xí)是隨機(jī)環(huán)境中解決決策問題一種有效的方法。然而,在大狀態(tài)空間,特別是在復(fù)雜隨機(jī)狀態(tài)下的應(yīng)用領(lǐng)域,它仍然沒有解決“維數(shù)災(zāi)難”的問題。目前,因素化強(qiáng)化學(xué)習(xí)作為強(qiáng)化學(xué)習(xí)在時間和空間上的擴(kuò)展,已經(jīng)被證明比強(qiáng)化學(xué)習(xí)更適合解決大狀態(tài)隨機(jī)控制問題,在機(jī)器人導(dǎo)航等方面有著廣闊的應(yīng)用前景。但是,目前的研究工作集中在學(xué)習(xí)前狀態(tài)空間的前期處理,對學(xué)習(xí)過程缺乏深入研究。本文圍繞強(qiáng)化學(xué)習(xí)前的狀態(tài)空間的前期處理以及學(xué)習(xí)過程中值函數(shù)的值的存儲和表示,對以下方面

2、進(jìn)行了研究和探討: 1.介紹了因素化學(xué)習(xí)的基本學(xué)習(xí)理論和研究進(jìn)展,并對四種典型的強(qiáng)化學(xué)習(xí)算法作了分析比較,分析了它們的各自特點和適用情況,為后面的工作中算法的選擇提供了基礎(chǔ)。 2.提出了改進(jìn)的基于因素化表示的動態(tài)規(guī)劃方法,針對動態(tài)規(guī)劃方法中求解精確的Vπ值計算量復(fù)雜的問題,提出了改進(jìn)的使用生成Vπ的線性近似值以獲取算法的加速的方法;針對傳統(tǒng)強(qiáng)化學(xué)習(xí)算法使用值函數(shù)Look-up表存儲和表示值函數(shù)的值存在著的冗余度過高的問題

3、,提出了決策樹方法,并在后面的仿真實驗中驗證算法效果。 3.提出了一種新的基于因素法方法的TD(λ)算法。其基本思想是狀態(tài)因素化表示,通過動態(tài)貝葉斯網(wǎng)絡(luò)(Dynamic Bayes Networks,DBNs)表示Markov決策過程(Markov decision Process,MDP)中的狀態(tài)概率轉(zhuǎn)移函數(shù),結(jié)合決策樹(decision tree)表示TD(λ)算法中的狀態(tài)值函數(shù)的值,大大降低了狀態(tài)空間的搜索與計算復(fù)雜度、以

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論