《VGT控制策略研究及实现案例分析》3100字.docxVIP

VGT控制策略研究及实现案例分析

目录

TOC\o1-3\h\u24814VGT控制策略研究及实现案例分析 1

70621.1深度强化学习算法 1

223691.1.1强化学习基本理论 1

127781.1.2深度确定性策略梯度算法 2

176681.1.3DDPG的VGT控制策略的实现 3

323211.2并行深度强化学习控制策略 4

109701.2.1分布式边缘计算 4

195391.2.2并行深度强化学习算法 6

85851.3工作小结 6

1.1深度强化学习算法

1.1.1强化学习基本理论

无模型强化学习（DRL）算法是一种自动化目标导向的学习和决策技术,它与其他控制算法不同点在于它强调与环境的直接交互来学习代理，它无须一个完整的环境模型。作为一种交互式学习方法，强化学习的主要特点是不断试错和延迟反馈，图3-1为学习代理与环境之间的相互交互过程。

强化学习（RL）被认为是三种机器学习范式之一，它从动物学习的试错法中受到启发，将智能体与环境交互得到的奖励值作为反馈信号对智能体进行训练，如图一。强化学习一般可以用马尔可夫决策过程（Markovdecisionprocess，MDP）表示，主要元素包含（S,A,R,T,γ），其中，S表示所处的环境状态，A表示智能体采取的动作，R表示得到