| 求解部分可观测马氏决策过程的强化学习算法 |
| |
| 引用本文： | 王学宁,贺汉根,徐 昕.求解部分可观测马氏决策过程的强化学习算法[J].控制与决策,2004,19(11):1263-1266. |
| |
| 作者姓名： | 王学宁 贺汉根 徐 昕 |
| |
| 作者单位： | 1. 国防科技大学,自动化研究所,湖南,长沙,410073
2. 国防科技大学,自动化研究所,湖南,长沙,410073;国防科技大学,计算机学院,湖南,长沙,410073 |
| |
| 基金项目： | 国家自然科学基金重点项目(60234030)，青年科学基金资助项目(60303012). |
| |
| 摘 要： | 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．
|
| 关 键 词： | 强化学习 部分可观测Markov决策过程 Sarsa学习 无记忆策略 |
| 文章编号： | 1001-0920(2004)11-1263-04 |
| 修稿时间： | 2003年11月20 |
Reinforcement learning algorithm for partially observable Markov decision processes |
| |
| WANG Xue-ning,HE Han-gen,XU Xin.Reinforcement learning algorithm for partially observable Markov decision processes[J].Control and Decision,2004,19(11):1263-1266. |
| |
| Authors: | WANG Xue-ning HE Han-gen XU Xin |
| |
| Abstract: | |
| |
| Keywords: | reinforcement learning POMDP Sarsa-learning memoryless policy |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载全文 |
