基于拉普拉斯特征映射的启发式Q学习.pdfVIP

基于拉普拉斯特征映射的启发式Q学习.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第29 卷 第3 期 控 制 与 决 策 2014 年 3 月 Vol. 29 No. 3 Control and Decision Mar. 2014 文章编号: 1001-0920 (2014) 03-0425-06 DOI: 10.13195/j.kzyjc.2012.1669 基于拉普拉斯特征映射的启发式Q 学习 朱美强, 李 明, 程玉虎, 张 倩, 王雪松 (中国矿业大学信息与电气工程学院,江苏徐州221116) 摘 要: 在基于目标的强化学习任务中, 欧氏距离常作为启发式函数用于策略选择, 其用于状态空间在欧氏空间内 不连续的任务效果不理想. 针对此问题, 引入流形学习中计算复杂度较低的拉普拉斯特征映射法, 提出一种基于谱图 理论的启发式策略选择方法. 所提出的方法适用于状态空间在某个内在维数易于估计的流形上连续, 且相邻状态间 的连接关系为无向图的任务. 格子世界的仿真结果验证了所提出方法的有效性. 关键词: 强化学习;启发式策略选择;Q 学习;拉普拉斯特征映射 中图分类号: TP181 文献标志码: A Heuristically accelerated Q-learning algorithm based on Laplacian Eigenmap ZHU Mei-qiang, LI Ming, CHENG Yu-hu, ZHANG Qian, WANG Xue-song (School of Information and Electrical Engineering,China University of Mining and Technology,Xuzhou 221116, China .Correspondent :ZHU Mei-qiang ,E-mail :tianlianglu@163.com) Abstract: As a heuristic function, the Euclidean distance is usually used to select online action in reinforcement learning based on goal position. It is not applied to these tasks whose state spaces are not continuous in Euclidean space. For the problem, the Laplacian Eigenmap whose computational complexity is lower in manifold learning is introduced, then a method of heuristic policy selection based on the spectral graph theory is proposed. The proposed method is suitable for these tasks not only whose state spaces are continuous in some manifold that has a good estimation of intrinsic dimension, but also whose connection relation is expressed by an undirected graph. The simulation results of grid world show the effectiveness of the proposed method. Key words: reinforcement learning ;heuristic

文档评论(0)

liybai + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档