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),請進行舉報或認領(lǐng)
文檔簡介
1、合肥工業(yè)大學(xué)碩士學(xué)位論文部分可觀察Markov決策過程中基于內(nèi)部狀態(tài)的強化學(xué)習(xí)研究姓名:方長勝申請學(xué)位級別:碩士專業(yè):計算機應(yīng)用技術(shù)指導(dǎo)教師:王浩20080601TheReinforcementLearningResearchBasedOnInternalStateInPartiallyObservableMarkovDecisionProcessesAbstractReinfo羚ememlearning(RE)isallimporta
2、ntbranchofmachinelearningRLdevisesthemappolicyfromstatestoactionsby”trial—error’’principleandleamsteactunderallstates,SOthattheadaptabilityandrobustnessofAIsystemscouldbeimprovedInspireofsomeachievementinthisareathere掰℃s
3、tillmanyproblemsunsolved,partiallyo鶼娃vabkissueisoneofthem。ThePOMDPisallidealmodeltotacklesuchkindofproblemsHoweverthemodelingPOMDPcomesatapriceexactmetho&forSOlvingthemalecomputationallyveryexpensiveandthusapplicableinpr
4、acticeonlytoverysimpleproblemsWedoSOmeworksaboutmodeloptimizingandalgorithmimprovingoninthisdissertationThemainworksaleasfollowsFirstlyinthePOMDPmodel,theinternalstateofagentisintroducedandtheexperienceofagentisused。TheP
5、OMDPreinfo&ementlearningimprovedmodelbasedoninternalstateisproposedinthisdissertation。ThedescriptionoftheexamplepolicyindicatesthatthepolicycomplexityreducedandthelearningefficiencyimprovedSecondlytheeligibilitytraceisin
6、troducedintothemodelThePGI—POMDPalgorithm,approximatereinforcementlearningalgorithmbasedonpolicygradientmethods,isproposed。TheresultshaveprovedthatPGIPOMDPalgorithmcarlreducethecomputablecomplexityandimprovethecomputatio
7、nefficiencyThirdlythemethodisappliedonMAS,andMIS—GPOMDPalgorithmisproposedTheMISGPOMDPalgorithmisoneofthepolicy伊adiemmethodsonMASTheexperimentalresultshaveshownthatthelearningefficiencyandthecostoftimeandspacealebothimpr
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。
最新文檔
- 部分可觀察Markov決策過程中基于內(nèi)部狀態(tài)的強化學(xué)習(xí)研究.pdf
- 部分觀測馬爾可夫決策過程中的強化學(xué)習(xí).pdf
- 部分觀測馬爾科夫決策過程中基于記憶的強化學(xué)習(xí)問題研究.pdf
- 部分可觀察馬氏決策過程的復(fù)雜性理論及規(guī)劃算法研究.pdf
- 基于邏輯馬爾可夫決策過程的關(guān)系強化學(xué)習(xí)研究.pdf
- 部分可觀馬爾科夫決策過程直接基于觀測的優(yōu)化方法研究.pdf
- 強化學(xué)習(xí)中狀態(tài)抽象技術(shù)的研究.pdf
- 基于Markov決策過程的數(shù)據(jù)壓縮研究.pdf
- 基于部分可觀測馬爾可夫決策過程的機會頻譜接入方案設(shè)計.pdf
- 基于部分可觀察環(huán)境下的服務(wù)組合優(yōu)化方案研究.pdf
- 基于高斯過程回歸的強化學(xué)習(xí)算法研究.pdf
- 基于強化學(xué)習(xí)的MTO企業(yè)訂單接受決策模型研究.pdf
- 旅游決策過程中的口傳研究.pdf
- 基于Markov鏈的電力市場過程逼近、信息獲取及決策研究.pdf
- 基于高斯過程的強化學(xué)習(xí)算法的研究及實現(xiàn).pdf
- 誤導(dǎo)動作的理論研究及其在部分可觀察規(guī)劃識別中的應(yīng)用.pdf
- 決策過程中的邏輯應(yīng)用.pdf
- 基于多智能體強化學(xué)習(xí)的決策支持系統(tǒng)的研究.pdf
- 基于強化學(xué)習(xí)的足球機器人決策系統(tǒng)設(shè)計.pdf
- 面向決策仿真的Agent模型中強化學(xué)習(xí)方法的研究.pdf
評論
0/150
提交評論