求解部分可观测马氏决策过程的强化学习算法

针对部分可观测马氏决策过程(POMDP)中，由于感知混淆现象的存在，利用Sarsa等算法得到的无记忆策略可能发生振荡的现象，研究了一种基于记忆的强化学习算法——CPnSarsa(λ)学习算法来解决该问题．它通过重新定义状态，Agent结合观测历史来识别混淆状态．将CPnSarsa(λ)算法应用到一些典型的POMDP，最后得到的是最优或近似最优策略，与以往算法相比，该算法的收敛速度有了很大提高．     

鲁北平原降水量丰枯规律浅析

1 流域概况 鲁北平原区总面积2.97万km~2,系黄河冲积平原,整个地势西南高、东北低,地面平均坡降在1/6000～1/10000之间,境内土层深厚,主要由粘土、沙土、壤土组成。2 降水特点 鲁北平原降水总的特点是年际年内变化很大,丰枯交替,旱涝不均。全区多年平均年降水量为585.0mm,低于全省平均水平。降水量的年际变化较大,丰水年(1964年)降水量达993.2mm,枯水年(196年)仅为333.9mm。由于受季风气候影响,降水量年内变化较大,汛期(6～9月)降量占全年的70～80％,且往往集中在几场大雨中。在地区分布上,齐河、茌     

基于三维激光扫描仪的岩石破裂面粗糙度研究

为更深层地认识岩石的破裂机制。通过压、剪试验测取2组24个圆柱形岩样的破坏载荷,采用高精度三维激光扫描仪扫描岩样破裂面,得到了顶板砂岩在压、剪破坏后,破裂面的起伏粗糙特征分布规律,并采用统计分析方法得到破裂面粗糙曲线曲率半径,从而揭示了砂岩受剪切破坏后粗糙曲线曲率半径分别与粗糙度系数JRC、破坏载荷的相关关系。结果表明:单轴抗压试验中,离加载中心越远,JRC越小;抗剪试验中,粗糙度曲线的曲率半径统计值分别与JRC和抗剪强度呈线性正相关。     

光电稳定滑模变结构控制系统的设计与仿真

稳定控制是光电稳瞄产品的核心技术之一.经典控制理论超调与快速性之间存在难以调和的矛盾,系统难以得到理想的动态性能.为解决上述问题,首先建立了稳定控制系统数学模型,采用非线性微分信号获取方法,设计了一滑模变结构控制器,计算出滑动模态存在的条件进行了仿真.仿真表明,所采用的微分信号方法性能优良,所设计的控制系统能够同时实现系统无超调和快速响应的目标,并为产品的稳定性控制开发了一种新的控制策略.     

高性能无人驾驶压路机系统设计

本文首先论述了国家“863”智能机器人主体支持下的项目－“高性能无人驾驶压路机”系统的设计和实现，在此基础上，讨论了无人驾驶压路机中的串口通信。     

工字钢支架三辊滚卷机的设计及操作

钢结构支架用于煤矿井下巷道支护得到广泛的应用,工字钢支架是近年来常用的一种钢结构支架。根据工字钢支架抗弯性能好,成本低,不易弯曲成形等特点,设计三辊滚卷机,并在研制过程中对遇到的问题进行实际分析解决,通过实践,工字钢三辊滚卷机的设计满足生产需求。     

谈加强会计职业道德建设的措施

随着市场经济的逐步建立和发展,会计工作在发展社会主义市场经济中的地位和作用越来越重要,这就要求建立起素质过硬、业务精良的会计人员队伍,迎接市场经济的挑战。本文从几个方面阐述了加强会计人员的职业道德的措施,使会计工作在社会主义市场经济中发挥重要作用。     

策略梯度强化学习中的最优回报基线

尽管策略梯度强化学习算法有较好的收敛性,但是在梯度估计的过程中方差过大,却是该方法在理论和应用上的一个主要弱点,为减小梯度强化学习算法的方差,该文提出一种新的算法——Istate-Grbp算法：在策略梯度算法Istate-GPOMDP中加入回报基线,以改进策略梯度算法的学习性能,文中证明了在Istate-GPOMDP算法中引入回报基线,不会改变梯度估计的期望值,并且给出了使方差最小的最优回报基线,实验结果表明,和已有算法相比,该文提出的算法通过减小梯度估计的方差,提高了学习效率,加快了学习过程的收敛。     

都江堰市质量监督管理工作现状及对策

本文简介了近几年来都江堰市技术监督局狠抓质量监督管理工作以及现状和今后的对策。     

独立学院大学生人文素质教育研究

本文从独立学院大学生人文素质教育的现状入手,分析了独立学院人文素质教育的必要性和紧迫性,提出了独立学院大学生人文素质教育的培养途径。