求解POMDP的动态合并激励学习算法

• 作者: 殷苌茗 王汉兴 谢丽娟 陈焕文
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 部分可观测Markov决策过程 激励学习 动态合并 信度状态
• 年，卷（期）: 2005,（22）
• 所属期刊栏目: 博士论文
• 页码范围: 4-6,148
• 页数: 4页
• 分类号: TP182
• 字数: 5718字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2005.22.002

摘要

把POMDP作为激励学习(Reinforcement Learning)问题的模型,对于具有大状态空间问题的求解有比较好的适应性和有效性.但由于其求解的难度远远地超过了一般的Markov决策过程(MDP)的求解,因此还有许多问题有待解决.该文基于这样的背景,在给定一些特殊的约束条件下提出的一种求解POMDP的方法,即求解POMDP的动态合并激励学习算法.该方法利用区域的概念,在环境状态空间上建立一个区域系统,Agent在区域系统的每个区域上独自并行地实现其最优目标,加快了运算速度.然后把各组成部分的最优值函数按一定的方式整合,最后得出POMDP的最优解.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷苌茗	上海大学理学院	17	95	6.0	9.0
3	陈焕文	长沙理工大学计算机与通信工程学院	14	56	5.0	6.0
4	王汉兴	上海大学理学院	31	396	9.0	19.0
5	谢丽娟	长沙理工大学计算机与通信工程学院	18	50	4.0	6.0