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(bào)或認(rèn)領(lǐng)
文檔簡介
1、抽象技術(shù)允許系統(tǒng)忽略與當(dāng)前決策無關(guān)的一些細(xì)節(jié),而僅僅只考慮那些有關(guān)的或重要的因素,是用于解決“維數(shù)災(zāi)”問題的一種重要技術(shù)。在強(qiáng)化學(xué)習(xí)領(lǐng)域,存在著兩類主要的抽象技術(shù):過程抽象與狀態(tài)抽象。過程抽象指的是忽略掉一個(gè)復(fù)雜動(dòng)作的執(zhí)行細(xì)節(jié),而把它當(dāng)作一個(gè)整體(抽象動(dòng)作)來看待。狀態(tài)抽象指的是忽略掉狀態(tài)向量中與當(dāng)前決策不相關(guān)的特征,以達(dá)到狀態(tài)空間壓縮的效果。就狀態(tài)抽象技術(shù)而言,雖然它已經(jīng)取得了一定的進(jìn)展,但仍然存在著許多問題。
本文針對
2、多維連續(xù)狀態(tài)空間的離散化精度問題,構(gòu)造了一種基于自組織神經(jīng)網(wǎng)絡(luò)的狀態(tài)抽象方法,它將自組織神經(jīng)網(wǎng)絡(luò)、資格跡及Actor/Critic強(qiáng)化學(xué)習(xí)框架進(jìn)行了有機(jī)的集成。該方法的特點(diǎn)如下:利用自組織神經(jīng)網(wǎng)絡(luò)并結(jié)合智能體自身在線獲取到的數(shù)據(jù)來離散化連續(xù)狀態(tài)空間,以獲得良好的量化精度;同時(shí),自組織神經(jīng)網(wǎng)絡(luò)的工作機(jī)制也利于智能體自主地在線量化連續(xù)空間;將量化空間的自組織特性和資格跡技術(shù)相結(jié)合以調(diào)整強(qiáng)化學(xué)習(xí)的性能指標(biāo)。
本文針對目前的層次強(qiáng)
3、化學(xué)習(xí)框架還缺乏面向問題的表達(dá)能力這一問題,對SMDPs問題進(jìn)行了分類,定義了HAM-可分解概念,明確了HAM機(jī)、HAM-可分解及策略耦合SMDPs這三者之間的關(guān)系,并證明了HAM框架適合解決策略耦合SMDPs問題。實(shí)際上,上述框架表明了HAM的策略耦合觀點(diǎn),它從問題的角度來描述層次強(qiáng)化學(xué)習(xí)方法。在HAM的策略耦合基礎(chǔ)上,針對一類具有有向無環(huán)圖形式的策略耦合SMDPs問題,提出了一種層次分解方法。該方法充分利用了HAM體系中的CALL狀
4、態(tài)與CHOICE狀態(tài)這兩個(gè)核心概念。與其他方法相比,該方法在構(gòu)造層次時(shí)所需的信息較少,而且各層子任務(wù)單一,允許執(zhí)行的動(dòng)作集有限;同時(shí),各層間相對獨(dú)立的特點(diǎn)便于使用狀態(tài)抽象技術(shù)加快學(xué)習(xí)速度。
本研究在HAM策略耦合觀點(diǎn)的基礎(chǔ)上,提出了基于HAM的同態(tài)變換方法,可以有效地解決基于子過程的狀態(tài)抽象方法的抽象能力有限及HAMs模型本身存在的聯(lián)合狀態(tài)空間這一問題,并進(jìn)行了理論分析與實(shí)驗(yàn)驗(yàn)證。在此基礎(chǔ)上,從實(shí)用的觀點(diǎn)出發(fā),總結(jié)了應(yīng)用同
5、態(tài)變換進(jìn)行狀態(tài)抽象的幾個(gè)重要的觀點(diǎn),并且還討論了近似同態(tài)變換與Bootstrapping技術(shù)、部分同態(tài)變換等實(shí)用技術(shù)。從層次強(qiáng)化學(xué)習(xí)方法應(yīng)該滿足面向問題的求解這一基本需求的角度出發(fā),在上述提出的主要概念與理論的基礎(chǔ)上,給出了一個(gè)統(tǒng)一的框架:它初步支持問題的建模分析與計(jì)算求解;允許同時(shí)使用多種抽象機(jī)制;并且能夠同時(shí)學(xué)習(xí)層次最優(yōu)策略和遞歸最優(yōu)策略。同時(shí),還提出了一種NPCs行為設(shè)計(jì)方法,并在一個(gè)實(shí)際的游戲平臺(tái)----Quake2平臺(tái)上,采用
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(huì)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(chǔ)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(shí)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
- 基于動(dòng)作抽象的分層強(qiáng)化學(xué)習(xí)算法研究.pdf
- 面向連續(xù)狀態(tài)的神經(jīng)網(wǎng)絡(luò)強(qiáng)化學(xué)習(xí)研究.pdf
- 連續(xù)狀態(tài)—?jiǎng)幼骺臻g下強(qiáng)化學(xué)習(xí)方法的研究.pdf
- 連續(xù)狀態(tài)—?jiǎng)幼骺臻g下強(qiáng)化學(xué)習(xí)方法的研究
- 部分可觀察Markov決策過程中基于內(nèi)部狀態(tài)的強(qiáng)化學(xué)習(xí)研究.pdf
- 部分可觀察markov決策過程中基于內(nèi)部狀態(tài)的強(qiáng)化學(xué)習(xí)研究
- 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
- 強(qiáng)化學(xué)習(xí)在用戶學(xué)習(xí)中的應(yīng)用研究.pdf
- 基于狀態(tài)預(yù)測的協(xié)作式多智能體強(qiáng)化學(xué)習(xí)算法研究.pdf
- 圖像檢索中基于強(qiáng)化學(xué)習(xí)的相關(guān)反饋技術(shù)研究.pdf
- 分層強(qiáng)化學(xué)習(xí)中自動(dòng)分層算法的研究.pdf
- 并行強(qiáng)化學(xué)習(xí)研究.pdf
- 強(qiáng)化學(xué)習(xí)中基函數(shù)構(gòu)造方法研究.pdf
- 工程應(yīng)用中強(qiáng)化學(xué)習(xí)方法研究.pdf
- 多Agent系統(tǒng)中強(qiáng)化學(xué)習(xí)的研究與應(yīng)用.pdf
- 面向強(qiáng)化學(xué)習(xí)的模型學(xué)習(xí)算法研究.pdf
- 強(qiáng)化學(xué)習(xí)中離策略算法的分析及研究.pdf
- 基于狀態(tài)預(yù)測強(qiáng)化學(xué)習(xí)的移動(dòng)機(jī)器人路徑規(guī)劃研究.pdf
- 基于試錯(cuò)學(xué)習(xí)的強(qiáng)化學(xué)習(xí)算法的研究.pdf
- MMOG中基于強(qiáng)化學(xué)習(xí)的多NPC協(xié)作的研究.pdf
評論
0/150
提交評論