基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
强化学习是一种重要的机器学习方法,然而在实际应用中,收敛速度缓慢是其主要不足之一.为了提高强化学习的效率,提出了一种并行强化学习算法.多个同时学习,在各自学习一定周期后,利用D-S证据利用对学习结果进行融合,然后在融合结果的基础上,各进行下一周期的学习,从而实现提高整个系统学习效率的目的.实验结果表明了该方法的可行性和有效性.
推荐文章
强化学习研究综述
强化学习
多智能体
马尔可夫决策过程
深度强化学习算法在慢走丝机床上的应用研究
慢走丝线切割机床
恒张力
自适应PID
深度强化学习
基于强化学习和分块并行的演化硬件方法
演化硬件
遗传算法
强化学习
分块并行
基于核方法的强化学习算法
强化学习
核方法
马尔科夫决策过程
Q-learning
mountiain car
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 并行强化学习算法及其应用研究
来源期刊 计算机工程与应用 学科 工学
关键词 并行算法 强化学习 Q-学习 D-S证据理论 路径规划
年,卷(期) 2009,(34) 所属期刊栏目 博士论坛
研究方向 页码范围 25-28,52
页数 5页 分类号 TP18
字数 4805字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.34.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孟伟 北京林业大学信息学院 11 194 5.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (22)
参考文献  (8)
节点文献
引证文献  (14)
同被引文献  (10)
二级引证文献  (38)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(1)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(9)
  • 参考文献(0)
  • 二级参考文献(9)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(7)
  • 参考文献(0)
  • 二级参考文献(7)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(2)
  • 引证文献(1)
  • 二级引证文献(1)
2012(9)
  • 引证文献(5)
  • 二级引证文献(4)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(7)
  • 引证文献(2)
  • 二级引证文献(5)
2015(6)
  • 引证文献(1)
  • 二级引证文献(5)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(6)
  • 引证文献(0)
  • 二级引证文献(6)
2018(7)
  • 引证文献(3)
  • 二级引证文献(4)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
并行算法
强化学习
Q-学习
D-S证据理论
路径规划
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导