論文開題報(bào)告提交版-資料下載頁
2025-06-23 02:40本頁面
【正文】 nal model of classical conditioning. Psychobiology,1988,16(2):85125【14】Singh S P, Jaakola T , Jordan M I . Reinforcement Learning with Soft State Aggregation . Neural Information Processing System 7 ,Cambridge , Massachusetts: MIT Press, 1995:361368 【15】Moriarty D , Schultz A , Grefenstette J. Evolutionary Algotithms for Reinforment Learning. Journal of Artificial Intelligence Research, 1999,11(1):241276【16】Bertsekas D P, Tsitsiklis J N . Neurodynamic Programming Belmont: Athena Scientific, 1996本課題要研究或解決的問題和擬采用的研究手段（途徑）：本課題主要有三大任務(wù)：一是學(xué)習(xí)強(qiáng)化學(xué)習(xí)的各種經(jīng)典算法，比較各個算法的特征和使用場合。二是學(xué)習(xí)POMDP、PSR、HRL幾個新的數(shù)學(xué)模型。三是提出創(chuàng)新，對于PSR模型提出算法創(chuàng)新。對于第一個任務(wù)，主要是查閱文獻(xiàn)，學(xué)習(xí)幾種經(jīng)典算法，并編程對算法進(jìn)行比較。進(jìn)行算法比較時，主要考慮以下幾方面：1. 算法的收斂速度2. 算法收斂后的穩(wěn)定性3. 算法在規(guī)模擴(kuò)大后的泛化能力4. 算法在不同環(huán)境下的適應(yīng)能力5. 改變算法的參數(shù)，考察參數(shù)對算法性能的影響。采用的研究手段主要是進(jìn)行橫向比較和縱向比較：對于同一個問題，使用不同的算法，比較各算法的性能 ：對于同一個問題同一個算法，改變算法的參數(shù)或問題規(guī)模或環(huán)境特征，比較參數(shù)對算法的影響。第二個任務(wù)，對于POMDP、PSR、HRL的模型學(xué)習(xí)，主要以閱讀文獻(xiàn)為主，通過查閱各種資料總結(jié)幾種模型的定義、基本框架。最后在論文中加以歸納。第三個任務(wù)著重于創(chuàng)新性要求，本課題主要是針對PSR模型下算法的創(chuàng)新。通過學(xué)習(xí)PSR下的各種算法，對算法提出改進(jìn)點(diǎn)，并能驗(yàn)證改進(jìn)的算法性能。
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號-1