一种基于最优策略概率分布的 POMDP 值迭代算法

• 作者: 刘峰 王崇骏 骆斌
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 部分可观测马尔科夫决策过程 基于最优策略概率的值迭代算法 蒙特卡罗法
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 1078-1084
• 页数: 7页
• 分类号: TP319
• 字数: 6451字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2016.05.010

摘要

随着应用中POMDP问题的规模不断扩大，基于最优策略可达区域的启发式方法成为了目前的研究热点．然而目前已有的算法虽然保证了全局最优，但选择最优动作还不够精确，影响了算法的效率．本文提出一种基于最优策略概率的值迭代方法 PBVIOP．该方法在深度优先的启发式探索中，根据各个动作值函数在其上界和下界之间的分布，用蒙特卡罗法计算动作最优的概率，选择概率最大的动作作为最优探索策略．在4个基准问题上的实验结果表明 PBVIOP 算法能够收敛到全局最优解，并明显提高了收敛效率．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王崇骏	南京大学计算机科学与技术系	56	1131	15.0	32.0
5	刘峰	南京大学软件学院	17	102	6.0	9.0
9	骆斌	南京大学软件学院	55	1120	14.0	32.0