【摘 要】
：
MDP自适应决策是求解信息不完全马尔可夫决策问题的方法。本文采用一种强化学习算法一在线Q（λ）算法来进行MDP自适应决策，并用神经网络实现该算法来有效地求解了一类典型的有连
论文部分内容阅读
MDP自适应决策是求解信息不完全马尔可夫决策问题的方法。本文采用一种强化学习算法一在线Q（λ）算法来进行MDP自适应决策，并用神经网络实现该算法来有效地求解了一类典型的有连续状态和决策空间的库存控制问题。仿真表明，该算法所求解的控制策略与用值迭代法在模型已知的情况下，所求得的最优策略非常逼近，且该算法使得策略的收敛速度大大地加快了。
其他文献
我院自2001年4月至2004年12月,共收治上消化道穿孔96例,对其中32例行腹腔镜探查28例行穿孔修补术,治疗效果满意,现报告如下.
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们羽 制作:陈恬’＃陈川个美食
Back to yield
在对多媒体技术与课堂教学的关系进行分析的基础上，并针对多媒体技术在课堂教学运用中的常见误区，提出了多媒体技术的五项功能定位：辅助功能而非主导功能、主动引导功能而非被动
CEA和CA19-9已被广泛应用于消化道肿瘤的临床诊断,本文对CEA和CA19-9联合测定与单项测定在消化道肿瘤中的应用作了对比分析,其敏感性高于单项测定.
目的:总结肝癌诊疗经验.方法:1994年至2004年白碱滩医院44例肝癌患者进行HBV感染标志物和HCV感染监测.结果:43例肝癌与HBV感染相关,4例与HCV感染相关,6例患者行手术+TACE治疗
目的:评价动脉栓塞治疗肝血管瘤的临床价值.方法:经皮穿刺超选择性肝右、肝左动脉插管至靶血管注入平阳霉素-碘化油乳剂.结果:治疗26例肝血管瘤,术后6个月超声复查瘤体直径缩
与当前实际生产相互结合,只使用通用失具无法进行正常生产,使用通用夫具和装夫工件造成生产效率不高,生产质量不高不的问题,需要添加划线生产工序,所以,可设计出专业性铣床夹
作为一代学术宗师，王船山在学术的各个领域都取得了很高的成就，就其史学思想来说，在继承古代学者治史优良传统的同时，无论是史学的经世致用思想，还是在评价历史人物与事件方面的独
为提升宜春市农产品质量安全提供决策参考,分析了宜春市农产品质量安全工作在产地环境改善、产品质量提升和品牌宣传方面的现状,分析了其中存在的生产安全隐患较大、监管工作
介绍了抚顺石油化工研究院（FRIPP）的马来酸二甲酯（DMM）加氢制1,4丁二醇（BDO）催化剂研究情况。该催化剂采用共沉淀方法制备,将含铜和铝的化合物以及其它助剂组分配制成酸性溶液,然后