节点文献

求解POMDP的动态合并激励学习算法

Dynamic Merge Reinforcement Learning Algorithm for Solving POMDP

推荐 CAJ下载
PDF下载
不支持迅雷等下载工具，请取消加速工具后下载。

【Author】 YIN Changming1,2,WANG Hanxing1,CHEN Huanwen2,XIE Lijuan2(1.College of Science,Shanghai University,Shanghai 200436;2.College of Computer and Communication Engineering,Changsha University of Science and Technology,Changsha 410077)

【机构】上海大学理学院；长沙理工大学计算机与通信工程学院；长沙理工大学计算机与通信工程学院上海200436；长沙410077；上海200436；长沙410077；

【摘要】把POMDP作为激励学习(ReinforcementLearning)问题的模型,对于具有大状态空间问题的求解有比较好的适应性和有效性。但由于其求解的难度远远地超过了一般的Markov决策过程(MDP)的求解,因此还有许多问题有待解决。该文基于这样的背景,在给定一些特殊的约束条件下提出的一种求解POMDP的方法,即求解POMDP的动态合并激励学习算法。该方法利用区域的概念,在环境状态空间上建立一个区域系统,Agent在区域系统的每个区域上独自并行地实现其最优目标,加快了运算速度。然后把各组成部分的最优值函数按一定的方式整合,最后得出POMDP的最优解。更多还原

【Abstract】 This paper advances a new algorithm for solving a POMDP with some restriction conditions,which is the dynamic merge reinforcement learning method for solving a POMDP.This algorithm approves the conception of regions and then the paper sets up a regional system on state space of environment.The agent searches its optimal sub-goal separately at each region in regional system using parallel method,for the sake of speeding up the computations over this algorithm,and then merges these optimal solutions on each region to get a global optimal solution for this POMDP.更多还原

【关键词】部分可观测Markov决策过程；激励学习；动态合并；信度状态；
【Key words】 Partially observable Markov decision process； Reinforcement learning； Dynamic merge； Belief state；

【基金】国家自然科学基金资助项目(60075019)

【文献出处】计算机工程 ,Computer Engineering , 编辑部邮箱 ,2005年22期

【分类号】TP182
【被引频次】4
【下载频次】135

知网节下载

节点文献中：

本文链接的文献网络图示:

本文的引文网络

节点文献