2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩52頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)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、在強(qiáng)化學(xué)習(xí)中,Agent對(duì)環(huán)境做出動(dòng)作并從環(huán)境得到回報(bào),相應(yīng)于不同的動(dòng)作,環(huán)境給予的回報(bào)值有所不同,通過(guò)對(duì)到達(dá)目標(biāo)點(diǎn)所作一系列動(dòng)作的回報(bào)值不斷強(qiáng)化,Agent能夠?qū)W到從內(nèi)部狀態(tài)到動(dòng)作的映射,即學(xué)到?jīng)Q策過(guò)程。
  傳統(tǒng)的U-Tree算法在解決部分觀測(cè)馬爾科夫決策過(guò)程(partially observable Markov decision processes,POMDP)的強(qiáng)化學(xué)習(xí)問(wèn)題方面已經(jīng)取得了顯著的成效,但因?yàn)檫吘壗Y(jié)點(diǎn)生長(zhǎng)的隨

2、意性,仍然存在樹(shù)的規(guī)模龐大,內(nèi)存需求較大,計(jì)算復(fù)雜度過(guò)高的問(wèn)題。本文在原有U-Tree算法的基礎(chǔ)上進(jìn)行改進(jìn),通過(guò)獲取下一步的觀測(cè)值,對(duì)同一葉結(jié)點(diǎn)中做相同動(dòng)作的實(shí)例進(jìn)行劃分,提出了一種基于有效實(shí)例擴(kuò)展邊緣結(jié)點(diǎn)的(Effective Instance U-Tree)算法,簡(jiǎn)稱(chēng)為EIU-Tree算法。大大縮減了計(jì)算規(guī)模,從而可以幫助agent更快更好地學(xué)習(xí),并在經(jīng)典的4×3柵格問(wèn)題中進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)表明該算法相對(duì)于原有的U-Tree算法有

3、更好的效果。
  針對(duì)U-Tree算法和MU-Tree算法中收斂速度慢的問(wèn)題,本文中在agent做值迭代的時(shí)候,我們用Sarsa(λ)算法更新Q值,提出了一種基于Sarsa(λ)算法的(Sarsa(λ)U-Tree)算法,簡(jiǎn)稱(chēng)為SU-Tree算法。當(dāng)agent到達(dá)目標(biāo)狀態(tài)或懲罰狀態(tài)時(shí),會(huì)對(duì)這條路徑上所有產(chǎn)生的實(shí)例進(jìn)行Q值的更新,提高了算法的收斂速度。并在4×3方格問(wèn)題和奶酪迷宮問(wèn)題中進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)表明該算法相對(duì)于原有的U-T

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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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

評(píng)論

0/150

提交評(píng)論