基于優(yōu)化狀態(tài)轉(zhuǎn)換信任度的增強(qiáng)型學(xué)習(xí)算法及其在機(jī)器人控制中的應(yīng)用.pdf

1、該文針對增強(qiáng)型學(xué)習(xí)領(lǐng)域中的目標(biāo)狀態(tài)問題,提出了基于優(yōu)化狀態(tài)轉(zhuǎn)換信任度的增強(qiáng)型學(xué)習(xí)算法COSTRLA(Credit of Optimal State Transition based Reinforcement Learning Algorithm).該算法解決的目標(biāo)狀態(tài)問題從屬于MDP(Markov Decision Process),能夠?qū)敵霾呗赃M(jìn)行多步預(yù)測并評估輸出策略對最終目標(biāo)狀態(tài)的影響.研究方案提出了反映當(dāng)前狀態(tài)與目標(biāo)狀態(tài)的距

2、離和轉(zhuǎn)換代價的優(yōu)化模型,算法定義了評估輸出策略優(yōu)化程度的優(yōu)化狀態(tài)信任度函數(shù),并利用動態(tài)規(guī)劃原理設(shè)計了優(yōu)化狀態(tài)信任度函數(shù)的更新學(xué)習(xí)規(guī)則,增強(qiáng)信號則為當(dāng)前狀態(tài)與目標(biāo)狀態(tài)的距離.該文首先通過形式化的證明來說明該算法在處理目標(biāo)狀態(tài)問題時所具備的優(yōu)越性,再通過處理目標(biāo)狀態(tài)問題的實驗來測試該算法的性能,并與當(dāng)前流行的增強(qiáng)型算法的處理性能相比較.在此基礎(chǔ)上該文提出了可用于連續(xù)環(huán)境的具有泛化能力的COSTRLA算法,并以仿真的倒擺小車系統(tǒng)實驗檢測算法的