论文部分内容阅读
研究有限时段非平稳的Markov决策过程的强化学习算法.通过引入一个人工吸收状态,把有限时段问题变为无限时段问题,从而可利用通常的强化学习方法来求解.在文献[3]提出的算法思想基础上,提出了一种新的有限时段非平稳的Markov决策过程的强化学习算法,并用无完全模型的库存控制问题进行了实验.
一种有限时段Markov决策过程的强化学习算法
【摘 要】
：
研究有限时段非平稳的Markov决策过程的强化学习算法.通过引入一个人工吸收状态,把有限时段问题变为无限时段问题,从而可利用通常的强化学习方法来求解.在文献[3]提出的算法
【机 构】
：
广西工学院计算机系,内蒙古大学自动化系
【出 处】
：
广西工学院学报
【发表日期】
：
2003年1期
其他文献
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
由于沥青路面施工属于连续大批量的生产过程，要求质量与性能指标在施工过程中均处于一定的范围，通过引入数理统计技术，建立更为科学的质量控制和管理方法。针对影响施工质量的各
1.嘉早324系浙江省嘉兴市农科院育成的早籼稻品种,属中熟偏迟的食用优质早籼.亲本来源:嘉早935/Z9538//Z9610///Z9610/Z9510.2002～2003年浙江省早籼稻区试,平均单产450.9千克/
企业联盟这一组织形式介于市场安排和企业组织之间,是处于竞争环境中的企业为达成特定目的而走出自身资源、能力和经营领域限制,通过共享、合作和分担来实现对外部资源的整合
审定编号：苏审玉201306。由南京市蔬菜研究所于2008年育成,属早熟半紧凑型甜玉米,适宜江苏省各地种植。出苗整齐，叶鞘绿色，叶片绿色，叶缘绿色。株型半紧凑，花药黄色。颖壳绿色，花丝
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
企业货币资金是一项重要的管理内容.在遵守国家有关法规的前提下,企业有必要制定具体规则强化资金管理.遵循钱账分管原则,现金及银行存款结算办法,建立备用金制度,充分运用票
清代史学属于中国传统史学研究理论和方法的总结期，同时也是传统史学向近代史学转变的重要阶段，研究这一时期的史学发展有利于加强对传统史学的认识。清代史学的发展状况主要从