基于改進ELM的遞歸最小二乘強化學習算法的研究.pdf_第1頁
已閱讀1頁,還剩77頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、強化學習包含了策略評價與策略尋優(yōu)兩個方面的問題,其中策略評價問題在機器學習中又稱為預測學習過程,而策略尋優(yōu)即策略優(yōu)化問題在機器學習中又被稱為控制學習過程,通過正確、成熟的策略評價以及策略迭代技術可實現(xiàn)控制學習,并最終實現(xiàn)最優(yōu)控制。
  本文課題分別就策略評價算法以及策略尋優(yōu)算法兩方面展開研究:
  策略評價方面,針對基于最小二乘函數(shù)逼近時序差分算法的快速性以及輸出精度和穩(wěn)定性上進行進一步改善。首先,針對在強化學習問題中基于極

2、限學習機(Extreme learning machine,ELM)的最小二乘時序差分學習算法計算效率低的問題,本文提出采用具有單抑制特性的Softplus激活函數(shù)代替?zhèn)鹘y(tǒng)的Sigmoid函數(shù),用以減少算法計算量。其次,針對傳統(tǒng)ELM輸入層權值隨機的不穩(wěn)定性問題,在學習過程中加入正則化因子,有效地克服了值函數(shù)逼近器的過擬合問題,從而更好地估計值函數(shù)真實值。然后,針對樣本利用率,加入了資格跡方法,提出基于改進ELM的最小二乘時序差分算法(

3、Least-squares temporal difference learning algorithm based on improvedextreme learning machine,IELM-LSTD)。同時,為了進一步提高計算速度,從算法復雜度角度出發(fā),將遞推方法引入到IELM-LSTD算法中,消去最小二乘中的矩陣求逆過程,形成遞歸最小二乘算法,提出基于改進ELM的遞歸最小二乘時序差分算法(recursive least-sq

4、uares temporal difference learning algorithm based on improved extreme learning machine,IELM-RLSTD),有效降低了算法復雜度并提高了在線計算速度。通過廣義Hop-word實驗以及倒立擺實驗,驗證了所提算法在計算速度和穩(wěn)定性上的提高。
  策略優(yōu)化方面,在改善策略評價算法的基礎上,結合傳統(tǒng)的策略迭代技術,提出了基于改進ELM的最小二乘Q(

5、λ)策略尋優(yōu)算法(Recursive least-squares Q learning algorithm based on improved extreme learning machine,IELM-RLSQ(λ)),除了具有快速性及穩(wěn)定性外,該算法對Q函數(shù)值進行逼近,相比于傳統(tǒng)Q(λ)算法,本算法替代了采用表格存儲Q值的方法,用以解決更復雜的環(huán)境問題。以RPG游戲中尋路過程為實驗模型,進行路徑策略尋優(yōu),實驗表明,所提算法在成功解決

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,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論