CTMDP基于随机平稳策略的仿真优化算法

• 作者: 唐昊 奚宏生 殷保群
• 来源期刊: 自动化学报
• 学科: 工学
• 关键词: 性能势 神经元动态规划 仿真优化
• 年，卷（期）: 2004,（2）
• 所属期刊栏目: 短文
• 页码范围: 229-234
• 页数: 6页
• 分类号: TP202
• 字数: 2049字
• 语种: 中文

摘要

基于Markov性能势理论和神经元动态规划(NDP)方法,研究一类连续时间Markov决策过程(MDP)在随机平稳策略下的仿真优化问题,给出的算法是把一个连续时间过程转换成其一致化Markov链,然后通过其单个样本轨道来估计平均代价性能指标关于策略参数的梯度,以寻找次优策略,该方法适合于解决大状态空间系统的性能优化问题.并给出了一个受控Markov过程的数值实例.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	奚宏生	中国科学技术大学自动化系	143	1241	17.0	29.0
2	殷保群	中国科学技术大学自动化系	72	533	10.0	20.0
3	唐昊	中国科学技术大学自动化系	11	126	7.0	11.0