2024年8月21日
星期三
|
欢迎来到南京江宁区图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
张政
作品数:
1
被引量:0
H指数:0
供职机构:
中国矿业大学信息与电气工程学院
更多>>
发文基金:
教育部“新世纪优秀人才支持计划”
国家教育部博士点基金
江苏省自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
张依阳
中国矿业大学信息与电气工程学院
程玉虎
中国矿业大学信息与电气工程学院
王雪松
中国科学院自动化研究所
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
递归最小二乘
1篇
高斯
1篇
高斯函数
1篇
高斯基函数
1篇
策略迭代
1篇
测地
1篇
测地距离
机构
1篇
中国矿业大学
1篇
中国科学院自...
作者
1篇
王雪松
1篇
程玉虎
1篇
张依阳
1篇
张政
传媒
1篇
信息与控制
年份
1篇
2009
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于测地高斯基函数的递归最小二乘策略迭代
2009年
在策略迭代结强化学习方法的值函数逼近过程中,基函数的合理选择直接影响方法的性能.为更好地描述环境的拓扑关系,采用测地线距离来替换普通高斯函数中的欧氏距离,提出一种基于测地高斯基函数的策略迭代强化学习方法.首先,基于马尔可夫决策过程抽样得到的样本数据建立环境的图论描述.其次,在图上定义测地高斯基函数,并用基于最短路径快速算法得到的最短路径来逼近测地线距离.然后,假定强化学习系统的状态—动作值函数是给定测地高斯基函数的加权组合,采用递归最小二乘方法对权值进行在线增量式更新.最后,基于估计的值函数进行策略改进.10×10和20×20迷宫问题的仿真结果验证了所提策略迭代方法的有效性.
王雪松
张政
程玉虎
张依阳
关键词:
策略迭代
递归最小二乘
测地距离
高斯函数
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张