2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、機(jī)器人足球(RoboCup)是一個(gè)研究多智能體系統(tǒng)在實(shí)時(shí)對(duì)抗環(huán)境下決策與合作問題的平臺(tái)。由于分布性、實(shí)時(shí)性、動(dòng)態(tài)性、異步性等特點(diǎn),使其成為分布式人工智能研究的一個(gè)標(biāo)準(zhǔn)的平臺(tái)。防御仿真(SoccerKeepaway)是機(jī)器人足球中的一個(gè)小的子任務(wù),是研究強(qiáng)化學(xué)習(xí)的標(biāo)準(zhǔn)平臺(tái)(benchmark),大部分強(qiáng)化學(xué)習(xí)方法都可以在該平臺(tái)上得以檢驗(yàn)。 強(qiáng)化學(xué)習(xí)不需要先驗(yàn)知識(shí),直接與環(huán)境進(jìn)行交互獲取知識(shí)、改進(jìn)行為策略。由于能夠處理噪聲的干擾和隨

2、機(jī)性,以及延遲的目標(biāo),不必知道系統(tǒng)的動(dòng)態(tài)模型。對(duì)于大的狀態(tài)空間問題也可以通過狀態(tài)壓縮、函數(shù)近似的方法解決,能夠相對(duì)快速地進(jìn)行決策,能夠解決RoboCup中的諸多富有挑戰(zhàn)性的問題,因而在機(jī)器人足球中獲得了廣泛的應(yīng)用。 本文分析了幾種強(qiáng)化學(xué)習(xí)方法,包括基于值函數(shù)(Value-Based)近似方法、策略梯度方法(PolicyGradient)、以及Actor-Critic方法等。著重討論了Actor-Critic強(qiáng)化學(xué)習(xí)方法以及用片(

3、Tile-coding)線性函數(shù)近似來獲取特征值的方法。而且分析了在防御仿真中使用Actor-Critic方法的優(yōu)缺點(diǎn),同時(shí)與基于值函數(shù)近似的強(qiáng)化學(xué)習(xí)以及基于策略梯度的強(qiáng)化學(xué)習(xí)做了一個(gè)比較。 最后,通過實(shí)驗(yàn)對(duì)強(qiáng)化學(xué)習(xí)算法得到的策略以及標(biāo)準(zhǔn)的策略做了一個(gè)比較。結(jié)果表明,通過強(qiáng)化學(xué)習(xí)方法得到的策略要優(yōu)于標(biāo)準(zhǔn)策略;對(duì)于小的問題,球員在360度視角下,通過Actor-Critic強(qiáng)化學(xué)習(xí)方法得到的策略比基于值函數(shù)強(qiáng)化學(xué)習(xí)方法Sarsa(

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論