![]() ![]() |
大規(guī)模強化學習中的新型函數(shù)近似技術(shù)研究 本書主要研究如何通過新型函數(shù)近似技術(shù)提升大規(guī)模強化學習器的性能。本書首先分析了傳統(tǒng)的函數(shù)近似技術(shù),如Tile編碼與Kanerva編碼在處理大規(guī)模問題性能不佳的原因,即原型沖突與不均勻的原型訪問頻率分布。為了解決這些問題,本書分別應用自適應Kanerva函數(shù)近似、模糊邏輯函數(shù)近似與基于粗糙集的函數(shù)近似等方法對強化學習中的函數(shù)近似方法進行改進。本書還將以上函數(shù)近似方法分別應用于強化學習中不同難度的捕食者-獵物追逐問題與認知無線電網(wǎng)絡應用問題,以此進行驗證。實驗結(jié)果表明:本書所提方法不僅提高了類似問題的求解率,同時減少了所需原型數(shù)量,最終顯著提高了函數(shù)近似技術(shù)解決大規(guī)模強化學習與多智能體問題的有效性。
你還可能感興趣
我要評論
|