一种自适应概率规划规则抽取算法

• 作者: 李宁 陆鑫 陈世福 高阳
• 来源期刊: 南京大学学报(自然科学版)
• 学科: 工学
• 关键词: 概率规划 强化学习 规则抽取
• 年，卷（期）: 2003,（2）
• 所属期刊栏目: "机器学习"专栏
• 页码范围: 145-152
• 页数: 8页
• 分类号: TP18
• 字数: 3901字
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2003.02.001

摘要

在已知状态迁移条件下,利用传统概率规划技术能够获得确定的规划规则.而强化学习技术能够在未知环境条件下,利用试错和奖赏函数在线学习动态环境的策略知识.因此一种自适应的概率规划规则抽取算法被提出.该算法首先在强化学习获得的最优状态-动作对值函数基础上,通过迭代得到有折扣无奖赏的值函数和无折扣无奖赏的值函数.然后通过子规划剪枝将大于指定规划步数的子规划去除,并得到子规划剪枝后的状态-动作对值函数.最后通过Beam search算法从值函数中抽取满足概率规划条件的规划知识,从而在规划模型变化的条件下.也可以获得确定的概率规划规则.实验证明,这种自适应概率规划规则抽取算法是有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈世福	南京大学计算机软件新技术国家重点实验室	169	4351	32.0	60.0
2	李宁	南京大学计算机软件新技术国家重点实验室	102	1222	17.0	29.0
3	高阳	南京大学计算机软件新技术国家重点实验室	77	1645	20.0	39.0
4	陆鑫	南京大学计算机软件新技术国家重点实验室	6	553	5.0	6.0