论文部分内容阅读
基于试探（trial-based）的值迭代算法是求解部分可观察Markov决策过程（partially observable Markov decision process,POMDP）模型的一类有效算法,其中FSVI算法是目前最快的算法之一.然而对于较大规模的POMDP问题,FSVI计算MDP值函数的时间是不容忽视的.提出一种基于最短哈密顿通路（shortest Hamiltonian path）的值迭代算法（shortest Hamiltonian path-based value iteration