版權說明: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,請進行舉報或認領
文檔簡介
1、強化學習是一種通過與環(huán)境進行“試錯”交互尋找能夠帶來最大期望累積獎賞策略的學習方法。根據(jù)學習過程中行為策略與目標策略是否一致,強化學習方法分為在策略算法和離策略算法。與在策略算法相比,離策略算法具有更加廣泛的應用范圍,離策略算法已經(jīng)成為當前強化學習領域的一個研究熱點。本文針對當前離策略算法研究中難以收斂、收斂速度慢以及收斂精度低的問題展開分析,并提出一系列解決方案。本文主要研究內(nèi)容包括以下四部分:
(1)提出一種基于線性函數(shù)逼
2、近的離策略Q(λ)算法,該算法通過引入重要性關聯(lián)因子,在迭代次數(shù)逐步增長的過程中,使得在策略與離策略相統(tǒng)一,確保算法的收斂性。同時在保證在策略與離策略的樣本數(shù)據(jù)一致性的前提下,對算法的收斂性給予理論證明。
(2)從TD Error的角度出發(fā),給出n階TD Error的概念,并將n階TD Error用于經(jīng)典的Q(λ)學習算法,提出一種二階TD Error快速Q(mào)(λ)學習算法——()SOEFQλ。該算法利用二階TD Error修正
3、Q值函數(shù),并通過資格跡將TD Error傳播至整個狀態(tài)動作空間,加快算法的收斂速度。在此基礎之上,分析算法的收斂性及收斂效率,在僅考慮一步更新的情況下,算法所要執(zhí)行的迭代次數(shù)T主要指數(shù)依賴于111γε、。
(3)提出在學習過程中通過遷移值函數(shù)信息,減少算法收斂所需要的樣本數(shù)量,加快算法的收斂速度?;趶娀瘜W習中經(jīng)典的離策略Q-Learning算法的學習框架,結合值函數(shù)遷移方法,優(yōu)化算法初始值函數(shù)的設置,提出一種新的基于值函數(shù)遷
4、移的快速Q(mào)-Learning算法——VFT-Q-Learning。該算法在執(zhí)行前期,通過引入自模擬度量方法,在狀態(tài)空間以及動作空間一致的情況下,對目標任務中的狀態(tài)與歷史任務中的狀態(tài)之間的距離進行度量,對其中相似并滿足一定條件的狀態(tài)進行值函數(shù)遷移,而后再通過學習算法進行學習。
(4)針對大規(guī)模狀態(tài)空間或者連續(xù)狀態(tài)空間、確定環(huán)境問題中的探索和利用的平衡問題,提出一種基于高斯過程的離策略近似策略迭代算法。該算法利用高斯過程對帶參的值
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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
- 基于強化學習算法的配對交易策略研究.pdf
- 分層強化學習中自動分層算法的研究.pdf
- 基于強化學習算法的電梯動態(tài)調(diào)度策略的研究.pdf
- 貝葉斯強化學習中策略迭代算法研究.pdf
- 面向強化學習的模型學習算法研究.pdf
- 基于試錯學習的強化學習算法的研究.pdf
- 強化學習算法的研究與實驗.pdf
- 強化學習算法在電力市場中的應用.pdf
- 基于高斯過程的強化學習算法的研究及實現(xiàn).pdf
- 強化學習在RoboCup Agent智能策略中的研究與應用.pdf
- 基于動作抽象的分層強化學習算法研究.pdf
- 基于高斯過程回歸的強化學習算法研究.pdf
- 連續(xù)時間分層強化學習算法.pdf
- 基于模型的動態(tài)分層強化學習算法研究.pdf
- 基于強化學習的改進遺傳算法研究.pdf
- 基于強化學習算法的多智能體學習問題的研究.pdf
- Q_learning強化學習算法的改進及應用研究.pdf
- 分層強化學習算法及其應用研究.pdf
- 基于強化學習算法的電梯調(diào)度系統(tǒng)的研究.pdf
- 基于強化學習的動態(tài)頻譜分配算法的研究.pdf
評論
0/150
提交評論