- 1、本文档共7页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
基于拓扑序列更新的值迭代算法optimizedalgorithmforvalue
第 35 卷第 8 期 通 信 学 报 Vol.35 No.8
2014 年 8 月 Journal on Communications August 2014
doi:10.3969/j .issn.1000-436x.2014.08.008
基于拓扑序列更新的值迭代算法
黄蔚 1 ,刘全 1,2 ,孙洪坤 1 ,傅启明 1 ,周小科 1
(1. 苏州大学 计算机科学与技术学院,江苏 苏州 2 15006 ;2. 吉林大学 符号计算与知识工程教育部 点实验室,吉林 长春 130012)
摘 要:提 出一种基于拓扑序列更新的值迭代算法,利用状态之间的迁 关联信息,将任务模型的有 向图分解为
一系列规模较小的强连通分量,并依据拓扑序列对强连通分量进行更新 。在经典规划 问题 Mountain Car 和迷宫实
验 中的结果表 明,算法的收敛速度更快,精度更高,且对状态空间的增长有较强的顽健性 。
关键词:强化学习;值迭代 ;拓扑序列;VI-TS
中图分类号:TP 181 文献标识码:A 文章编号:1000-436X(2014)08-0056-07
Optimized algorithm for value iteration
based on topological sequence backups
1 1, 2 1 1 1
HUANG Wei , LIU Quan , SUN Hong-kun , FU Qi-ming , ZHOU Xiao-ke
(1. School o Computer Science and Technology, Soochow University, Suzhou 2 15006, China;
2. Key Laboratory o Symbolic Computation and Knowledge Engineering o Ministry o Education, Jilin University, Changchun 130012, China)
Abstract: In order to i prove the convergence perfor ance, an opti ized value iteration based on topological sequence
backups, VI-TS, is proposed. The key idea of VI-TS is to circu vent the proble of unnecessary backups by dividing an
MDP into strongly-connected co ponents and solving these co ponents in topological sequences after detecting the
structure of MDP. The experi ent results show that VI-TS has a better convergence perfor
文档评论(0)