【摘 要】
：
提出了一种基于最小线性平均的强化学习算法,用于解决连续空间下强化学习函数估计的非收敛性问题。该算法基于梯度下降法,根据压缩映射原理,通过采用线性平均法作为值函数估
【机 构】
：
哈尔滨工业大学电气工程及自动化学院,北京工业大学机械工程与应用电子技术学院
【基金项目】
：
“863”国家高技术研究发展计划项目(2003AA404140)
论文部分内容阅读
提出了一种基于最小线性平均的强化学习算法,用于解决连续空间下强化学习函数估计的非收敛性问题。该算法基于梯度下降法,根据压缩映射原理,通过采用线性平均法作为值函数估计的性能衡量标准,把值函数估计的迭代过程转化为一个收敛于不动点的过程。该算法利用强化学习算法的标准问-题Mountain Car问题进行了验证,仿真结果验证了算法是有效的和可行的,并且可以快速收敛到稳定值。
其他文献
<正> 酒店品牌是一家酒店企业文化的浓缩,包含了酒店的经营理念、管理制度、设施设备、人员素质、服务质量和营销策略等要素。一个完整的酒店品牌包含了理念部分(MI)、行为部
以氧化石墨烯（GO）和壳聚糖（CS）为前体物,以乙二胺四乙酸二钠（EDTA-2Na）为表面改性剂,制备了一种新型改性氧化石墨烯/壳聚糖功能材料（GEC）,并将此材料作为吸附剂用于水中刚果红的吸附
本文主要概括分析了建筑工程项目技术管理的相关控制要点,对目前我国建筑工程项目技术管理现状予以研究,进而提出了几点关于优化建筑工程项目技术管理的可行性对策。从而能够
日本的贷金公司经历自发发展、法制约束和法制规范的三个发展阶段后,形成了以消费者和中小企业信贷为主,以无抵押和无担保、贷款催收及高利贷为特色的业务体系。除监管政策、
以丙烯酸(AA)与乙二醇(EG)为原料,经直接酯化制备二丙烯酸乙二醇酯(EGDA)的反应。通过实验与检测修正,找出了反应中实际分水量与酯化率的关系,绘制出了酯化率计算工作曲线,研
目的:探讨X线透视下子宫输卵管造影术在女性不孕症患者中诊断和治疗中的应用价值。方法:选取2014年5月至2015年6月我院收治的160例女性不孕症患者作为研究对象,予以X线透视下
目的:总结姚乃礼教授对胃食管反流病(Gastroesophageal reflux disease,GERD)的诊疗经验,并深入探究姚乃礼教授对GERD诊疗的学术思想,目的在于继承和发扬名老中医经验,为年轻
传统的饭店管理制度具有刚性,但要想在日趋激烈的市场竞争中立于不败之地,饭店管理者必须同时采用柔性管理,即建设独具特色的饭店文化。
深入学习贯彻习近平总书记"7·26"重要讲话精神,要在牢牢把握全面从严治党中问题导向思想的精神实质、科学内涵的基础上,以自我革命精神,坚定不移地推动全面从严治党向纵深发
<正>三亚亚龙湾铂尔曼度假酒店,作为一个高档度假酒店品牌,坐落于苍翠的热带花园之中,四周碧波环绕,风景如画。低层设计的度假酒店融合泰国、缅甸、南洋三种不同的亚洲建筑风