

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、強化學(xué)習(xí)在人工智能領(lǐng)域包括工業(yè)生產(chǎn)、電梯調(diào)度、路徑規(guī)劃方面越多的得到運用,可以用來解決隨機性或不確定性動態(tài)系統(tǒng)最優(yōu)化這些決策類問題,而這些問題大多是具有連續(xù)狀態(tài)空間的,所以用一般基于值表法的強化學(xué)習(xí)算法很難解決。而神經(jīng)網(wǎng)絡(luò)的有效的泛化能力和抽象能力可以加入到強化學(xué)習(xí)中,來解決上述問題。本論文基于已有的強化學(xué)習(xí)算法,用含有資格跡的神經(jīng)網(wǎng)絡(luò)來逼近值函數(shù),研究兩個新的面向連續(xù)狀態(tài)的神經(jīng)網(wǎng)絡(luò)強化學(xué)習(xí)算法,以增強強化學(xué)習(xí)面對連續(xù)狀態(tài)空間時的抽象和
2、泛化能力,提高強化學(xué)習(xí)在未來實際生產(chǎn)生活中的應(yīng)用能力。主要研究內(nèi)容如下:
面對連續(xù)狀態(tài)空間,研究一種引入資格跡的RBF神經(jīng)網(wǎng)絡(luò)強化學(xué)習(xí)算法。利用RBF網(wǎng)絡(luò)的泛化性能,來解決連續(xù)狀態(tài)空間下的函數(shù)逼近問題,同時通過在神經(jīng)網(wǎng)絡(luò)中引入資格跡,使每個節(jié)點的輸出只影響與其直接相關(guān)的權(quán)值,并保存影響。即在每次迭代過程中對全部被訪問過狀態(tài)-動作對的函數(shù)Q值進行更新。該算法策略在解決經(jīng)典強化學(xué)習(xí)面對連續(xù)狀態(tài)所遇到的瓶頸問題的同時,也減少了任務(wù)收
3、斂的時間,提高了算法效率。最后在Matlab上模擬小車爬山環(huán)境,驗證了提出的一種面對連續(xù)狀態(tài)空間下基于神經(jīng)網(wǎng)絡(luò)的強化學(xué)習(xí)算法的有效性。
針對上述研究過程中資格跡在神經(jīng)網(wǎng)絡(luò)中具有提高權(quán)值更新效率的作用,繼續(xù)研究了強化學(xué)習(xí)與混合神經(jīng)網(wǎng)絡(luò)(ELM網(wǎng)絡(luò)和BP網(wǎng)絡(luò))相結(jié)合的算法。算法采用的是Actor Critic架構(gòu),運用神經(jīng)網(wǎng)絡(luò)所具有的良好的泛化性能來逼近值函數(shù)以解決連續(xù)狀態(tài)空間問題。其中BP網(wǎng)絡(luò)構(gòu)成動作網(wǎng)絡(luò)Actor,將狀態(tài)映射為
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。
- 6. 下載文件中如有侵權(quán)或不適當內(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
- 基于強化學(xué)習(xí)的模糊神經(jīng)網(wǎng)絡(luò)控制研究及應(yīng)用.pdf
- 基于強化學(xué)習(xí)改進的模糊神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的連續(xù)剛構(gòu)橋狀態(tài)評估研究.pdf
- 基于深度強化學(xué)習(xí)的機械臂卷積神經(jīng)網(wǎng)絡(luò)控制策略研究
- 連續(xù)狀態(tài)—動作空間下強化學(xué)習(xí)方法的研究.pdf
- 連續(xù)狀態(tài)—動作空間下強化學(xué)習(xí)方法的研究
- 面向狀態(tài)預(yù)報的過程神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究.pdf
- 連續(xù)空間強化學(xué)習(xí)研究.pdf
- 進化脈沖神經(jīng)網(wǎng)絡(luò)的文化學(xué)習(xí)研究.pdf
- 連續(xù)優(yōu)化問題的神經(jīng)網(wǎng)絡(luò)解法.pdf
- 面向強化學(xué)習(xí)的模型學(xué)習(xí)算法研究.pdf
- 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf
- rbf神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究
- 基于模糊神經(jīng)網(wǎng)絡(luò)的橋梁狀態(tài)評價.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的燒結(jié)風(fēng)機狀態(tài)監(jiān)測.pdf
- 隨機神經(jīng)網(wǎng)絡(luò)的同步與狀態(tài)估計.pdf
- 強化學(xué)習(xí)中狀態(tài)抽象技術(shù)的研究.pdf
- bp 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的研究
- 自主學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- 不連續(xù)Cohen-Grossberg神經(jīng)網(wǎng)絡(luò)的同步研究.pdf
評論
0/150
提交評論