

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、強(qiáng)化學(xué)習(xí)因具有自學(xué)習(xí)和在線學(xué)習(xí)的良好特性,已經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要分支。然而,智能體在大規(guī)模高維度的決策環(huán)境下進(jìn)行強(qiáng)化學(xué)習(xí)時(shí)被“維數(shù)災(zāi)難”(學(xué)習(xí)參數(shù)的個(gè)數(shù)隨變量的維數(shù)成指數(shù)級(jí)增長(zhǎng))所困擾,學(xué)習(xí)效率低下,導(dǎo)致難以及時(shí)甚至無(wú)法完成學(xué)習(xí)任務(wù)。因此,如果能有效緩解“維數(shù)災(zāi)難”,提出一種適用于未知大規(guī)模復(fù)雜環(huán)境下的高效率強(qiáng)化學(xué)習(xí)方法,則可以為提高智能體在實(shí)際應(yīng)用中的自適應(yīng)性提供有效的解決方案,對(duì)促進(jìn)機(jī)器學(xué)習(xí)領(lǐng)域理論和技術(shù)的發(fā)展具有重要意義。
2、
因此,為了緩解未知大規(guī)模環(huán)境下的“維數(shù)災(zāi)難”問(wèn)題,提高學(xué)習(xí)效率,本文研究將動(dòng)態(tài)分層技術(shù)和基于模型的自學(xué)習(xí)技術(shù)相結(jié)合的方法,在基于模型的強(qiáng)化學(xué)習(xí)過(guò)程中,提出一種基于探索信息自適應(yīng)聚類的動(dòng)態(tài)分層強(qiáng)化學(xué)習(xí)算法。該算法動(dòng)態(tài)生成融合了狀態(tài)抽象和時(shí)態(tài)抽象(或稱動(dòng)作抽象)的MAXQ分層結(jié)構(gòu),從而通過(guò)限制MAXQ中每個(gè)子任務(wù)的策略搜索空間而顯著加快了學(xué)習(xí)速度。
首先,在基于模型的強(qiáng)化學(xué)習(xí)過(guò)程中,利用基于探索信息的自適應(yīng)聚類
3、算法將整個(gè)狀態(tài)空間劃分成若干個(gè)狀態(tài)子空間,即通過(guò)狀態(tài)抽象完成了任務(wù)的自動(dòng)分層,并基于狀態(tài)子空間的終止?fàn)顟B(tài)集,提出一種改進(jìn)的動(dòng)作選擇策略。其次,根據(jù)各動(dòng)作有效執(zhí)行的頻率情況進(jìn)行時(shí)態(tài)抽象自動(dòng)生成類似于MAXQ的分層結(jié)構(gòu),進(jìn)而根據(jù)有效動(dòng)作集將各狀態(tài)子空間歸入到相應(yīng)的MAXQ子任務(wù)中,從而自動(dòng)生成融合了狀態(tài)抽象和時(shí)態(tài)抽象的MAXQ分層結(jié)構(gòu)。再次,基于該MAXQ分層框架搜索任務(wù)的遞歸最優(yōu)策略,并在以后的學(xué)習(xí)過(guò)程中動(dòng)態(tài)調(diào)整MAXQ結(jié)構(gòu),以降低初次分
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于動(dòng)作抽象的分層強(qiáng)化學(xué)習(xí)算法研究.pdf
- 分層強(qiáng)化學(xué)習(xí)中自動(dòng)分層算法的研究.pdf
- 基于混合抽象機(jī)制的多智能體系統(tǒng)動(dòng)態(tài)分層強(qiáng)化學(xué)習(xí)算法研究.pdf
- 連續(xù)時(shí)間分層強(qiáng)化學(xué)習(xí)算法.pdf
- 分層強(qiáng)化學(xué)習(xí)算法及其應(yīng)用研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的動(dòng)態(tài)頻譜分配算法的研究.pdf
- 面向強(qiáng)化學(xué)習(xí)的模型學(xué)習(xí)算法研究.pdf
- 基于強(qiáng)化學(xué)習(xí)算法的電梯動(dòng)態(tài)調(diào)度策略的研究.pdf
- 基于平均型強(qiáng)化學(xué)習(xí)算法的動(dòng)態(tài)調(diào)度方法的研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的動(dòng)態(tài)單機(jī)調(diào)度研究.pdf
- 基于試錯(cuò)學(xué)習(xí)的強(qiáng)化學(xué)習(xí)算法的研究.pdf
- 分層強(qiáng)化學(xué)習(xí)方法研究.pdf
- 基于分層強(qiáng)化學(xué)習(xí)的AUV路徑規(guī)劃方法研究.pdf
- 基于模型知識(shí)的大空間強(qiáng)化學(xué)習(xí)算法的研究與實(shí)現(xiàn).pdf
- 基于Option自動(dòng)生成的分層強(qiáng)化學(xué)習(xí)方法研究.pdf
- 基于模糊聚類的分層強(qiáng)化學(xué)習(xí)方法研究.pdf
- 基于強(qiáng)化學(xué)習(xí)算法的配對(duì)交易策略研究.pdf
- 基于高斯過(guò)程回歸的強(qiáng)化學(xué)習(xí)算法研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的智能車移動(dòng)模型研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的改進(jìn)遺傳算法研究.pdf
評(píng)論
0/150
提交評(píng)論