观察过程状态数为可数的POMDP的算法.pdfVIP

下载本文档

6
0
约1.18万字
约 8页
2017-10-07 发布于福建
举报
版权申诉

观察过程状态数为可数的POMDP的算法.pdf

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、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、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、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
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、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、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

维普资讯第船卷第 1期湖南大学学报 V ．23．No．1 l996年 2 月 JOURNAL OFHUNAN UNIVERSITY Feh 1 9 9 6 ／一；观察过程状态数为可数的 POM DP 的算法 ’ (湖南大学应用数学系 [)三，中国长沙， ’ ／黼大学应沙，410082) 摘要给出j观察过程状态数为可数时，部分可观的马尔可夫决策规划 (POMDP)折扣摸型的逼近法和算法．算法保证 j能求到￡-最优的平穗策略和 E-最优的期望费用函数． J ．蓑分类萎号TnHP1算8子琏代一致收敛墨气’货^袭…章’ 斫扣覆型 Algorithm ofDiscountedM odelofPOM DP with ‘ DenumerableStatesjn Observati0n Pr0c ss XuQingsong (DepartmentofAppliedMathematics，HunanUniv，Changsha，41008~，P RChina) Abstract The iterationmethodfortheP0MDP with denumerablestatesin obser vationprocesswasstudied．Itdevelopedan operator H andapolicy iteration to corn putee-optimalpolicies． Keywords 月 operator，iteration，covergence，e-optimalpolicies 沿用文[6]的记号．文 [7]讨论了当芯过程状态数、行动集合非有限时，POMDP的一些理论结果．[8]得到无限水平折扣POMDP的值函数可用有限水平的值函数(分片线性的)任意逼近，但是计算量大得惊人．本文研究了观察状态为可数无限时的折扣POMDP 模型，得到一个可行的算法，能求到￡-最优的平稳策略．观察状态数为可数无限时POMDP折扣模型的问题是求解 m ini, 。 }EⅢ)∑ (¨· “”．本文设行动集 S是有限集，费用有界．由文 [1]，最优期望费用函数满足方程 C ()一mi · + (OIx，d)c’(T’( 口))]．对这个方程，由文 [4]，存在平稳策略 ( ) 一f ，’，…)，满足 ∞ C (Jr)= ·g + f0J『r，’)C (’Or口『，’))， ’袭器看荔妻冀髓．怍者许青橙．男，岁．讲维普资讯 26 湖南大学学报 1996正再由文 [5]，平稳策略()产生的期望费用函数是方程 c(