【摘 要】
:
本文对多人扩展式博弈问题中虚拟遗憾最小化算法展开研究.针对该算法基于二人零和博弈的前提假设的应用局限性,提出了将其扩展应用于多人博弈问题的方法.本文给出了虚拟遗憾最小化算法在多人非合作零和博弈条件下的收敛性及收敛的纳什均衡偏移阈值证明.基于一种简化的德州扑克游戏——Pinea pple Poker,利用其三人非合作博弈的性质作为实验平台,提出了虚拟遗憾最小化方法在多人博弈问题中的应用及训练方法.最
【机 构】
:
北京大学深圳研究生院信息工程学院,广东深圳518055 深圳市逸风网络科技有限公司,广东深圳518
论文部分内容阅读
本文对多人扩展式博弈问题中虚拟遗憾最小化算法展开研究.针对该算法基于二人零和博弈的前提假设的应用局限性,提出了将其扩展应用于多人博弈问题的方法.本文给出了虚拟遗憾最小化算法在多人非合作零和博弈条件下的收敛性及收敛的纳什均衡偏移阈值证明.基于一种简化的德州扑克游戏——Pinea pple Poker,利用其三人非合作博弈的性质作为实验平台,提出了虚拟遗憾最小化方法在多人博弈问题中的应用及训练方法.最后,本文通过与Q-Learning和MCTS算法实现系统的比对实验验证了本文的研究成果的有效性.
其他文献
核环境自动化维护至关重要,需要研制一种可以替代人类进入核聚变反应舱内完成探测和维护作业的机器人,并使其具有大范围高精度遥操作性能.本文以EAST核聚变舱的探测和维护作业为例,设计了一种具有蛇形多关节结构的遥操纵机器人系统,结构上采用轨道推送加悬臂调整的复合式操控方案.针对机器人执行全舱作业的运动需求,对机械臂运动轨迹进行了仿真分析.此外,设计了包括路径规划与轨迹控制等在内的机器人运动控制算法,构建
本文提出了一种基于改进增量平滑的SLAM后端优化算法,用以提高SLAM问题中的状态估计精度.首先,为了减少线性化带来的误差,本文采用无迹变换及数值微分理论来求解SLAM问题中的Jacobian矩阵,从而提高其求解精度;其次,将上述求解的Jacobian矩阵引入基于增量平滑的SLAM框架中,进行后端优化更新,以提高整个SLAM系统中的状态估计精度;再次,为了验证所提出算法的性能,本文通过仿真实验与平
为了监测EAST核聚变试验装置的日常运转状况,代替人类进入舱内完成探测作业任务,设计一种具有蛇形多关节结构的遥操纵机器人系统.该系统由前端的双重观测机构、中部的多个悬空机械臂和后端的直线轨道推进装置组成.通过对系统各部分的结构设计及功能分析,确立了组合式悬空机械臂各关节的主要参数指标.对机器人系统的探测工作空间以及机械臂的运动和力学特性进行了仿真分析.实际构建了机器人原理样机以及核聚变舱的模拟几何
提出一种基于高斯混合模型与地球移动距离的点集配准算法.将待配准的两个点集均表示为高斯混合模型,其中高斯分布的数量为点集中点的数量,每个高斯分布的均值为点的坐标值,方差为通过优化算法得到的优化值.在配准过程中通过优化两个高斯模型之间的地球移动距离来达到最佳匹配效果.该方法对点集配准中常见的噪声,外点,结构缺失等问题具有较强的鲁棒性.公共数据集与真实车辆平台上的实验表明该算法优于目前流行的点集配准算法
石化工厂有毒气体发生泄露将会危害到一线生产工作人员的生命安全,并给企业带来重大经济损失.有毒气体作为一种特殊连续目标物体,由于其不可见性和易扩散性,现有的一些方法尚不能准确检测和可视化泄露危险区域.本文基于无线传感器网络提出一种检测有毒气体泄露危险区域检测算法,通过确定有毒气体扩散边界区域来检测危险区域.为了更好地计算出危险区域面积,本文引入平面邻近图方法,把复杂的网络图分割成清晰可见的不规则区域
针对水而无人艇(USV)在复杂海洋环境下执行任务时需要用户进行干预的问题,本文提出了基于逆向强化学习的行为模仿学习方法.该方法将专家的示教作为学习目标,使得USV能够从专家示教中学习导航行为.首先根据导航任务的应用背景,建立了向专家行为模仿学习的Markov决策模型,然后给出了适用于USV导航行为学习的行为模仿学习算法,该方法基于逆向强化学习根据专家的示教行为计算出具体的回报函数,并得到接近专家策
针对非刚性图像变形不具有分段刚性,提出了一种基于移动正则化最小二乘法与薄板样条函数(MRLS-TPS)的封闭式变换估计方法.该算法将用户控制的点偏移向量作为输入数据,并对两个控制点集的每个像素进行空间变换,通过移动正则化最小二乘法,将变换估计作为矢量插值问题进行拟合.与MLS不同,MRLS-TPS的映射函数山具有正则化技术的非刚性薄板样条函数建模,使得变形可以满足全局线性仿射运动和局部非刚性翘曲.
动态运动基元系统是用于机器人在轨迹规划中进行模仿学习的模型.在此模型中,针对其原有的局部加权算法做出改进,提出了局部加权改进算法.具体来说,在利用Logistic函数保证系统全局稳定的前提下,改变相空间表达式使其在时间上是均匀分布,解决了系统对时间过于敏感的问题,同时还进一步完善其局部加权算法中拟合等式不合理的问题.实验结果表明局部加权改进算法大大改进了模仿学习的效果.
由于无人机在巡检电塔过程中易受阳光、阵风或GPS定位不准等因素的影响,需要使用适合的自动跟踪算法来辅助人工跟拍巡检对象,从而提高巡检数据采集效率.针对无人机定点跟拍时的四种影响因素采集构建巡检数据集,本文分别对比了两种跟踪算法对电塔局部和绝缘子定点跟拍的特性;对比了两种跟踪算法在每组巡检数据集上的可视对象重叠率和中心偏移度;最后对比分析了算法原理对实验结果的影响.实验结果表明其中一种跟踪算法在适应
针对传统带钢表面缺陷检测方法在实际生产过程中检测精度低、实时性差的问题,提出一种基于复合差分进化的Gabor滤波器优化方法.首先,将采集到的图像进行预处理,获取高质量图像;然后,针对传统Gabor小波滤波器参数较多和算法实时性不高两大难题,提出了一种复合差分进化的Gabor滤波器优化方法,对参数和方向分别做了改进,较大提升了检测效率;最后,对显著性缺陷目标进行阈值分割,完成带钢表面缺陷检测.实验结