基于優(yōu)化狀態(tài)轉換信任度的增強型學習算法及其在機器人控制中的應用.pdf

1、該文針對增強型學習領域中的目標狀態(tài)問題,提出了基于優(yōu)化狀態(tài)轉換信任度的增強型學習算法COSTRLA(Credit of Optimal State Transition based Reinforcement Learning Algorithm).該算法解決的目標狀態(tài)問題從屬于MDP(Markov Decision Process),能夠對輸出策略進行多步預測并評估輸出策略對最終目標狀態(tài)的影響.研究方案提出了反映當前狀態(tài)與目標狀態(tài)的距

2、離和轉換代價的優(yōu)化模型,算法定義了評估輸出策略優(yōu)化程度的優(yōu)化狀態(tài)信任度函數(shù),并利用動態(tài)規(guī)劃原理設計了優(yōu)化狀態(tài)信任度函數(shù)的更新學習規(guī)則,增強信號則為當前狀態(tài)與目標狀態(tài)的距離.該文首先通過形式化的證明來說明該算法在處理目標狀態(tài)問題時所具備的優(yōu)越性,再通過處理目標狀態(tài)問題的實驗來測試該算法的性能,并與當前流行的增強型算法的處理性能相比較.在此基礎上該文提出了可用于連續(xù)環(huán)境的具有泛化能力的COSTRLA算法,并以仿真的倒擺小車系統(tǒng)實驗檢測算法的