连续时间部分可观Markov决策过程的策略梯度估计

• 作者: 唐波 李衍杰 殷保群
• 来源期刊: 控制理论与应用
• 学科: 数学
• 关键词: 连续时间部分可观Markov决策过程 策略梯度估计 一致化 误差界
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 短文
• 页码范围: 805-808
• 页数: 4页
• 分类号: O232
• 字数: 2679字
• 语种: 中文

摘要

针对连续时间部分可观Markov决策过程(CTPOMDP)的优化问题,本文提出一种策略梯度估计方法.运用一致化方法,将离散时间部分可观Markov决策过程(DTPOMDP)的梯度估计算法推广到连续时间模型,研究了算法的收敛性和误差估计问题,并用一个数值例子来说明该算法的应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷保群	中国科学技术大学自动化系	72	533	10.0	20.0
2	唐波	中国科学技术大学自动化系	18	103	6.0	9.0
3	李衍杰	中国科学技术大学自动化系	10	53	4.0	7.0