【摘 要】
：
逆向强化学习是指通过专家行为获取潜在报酬函数的过程,进而可利用强化学习等优化理论得到最优的控制策略,因而可以实现对专家行为的模仿。本文从性能灵敏度分析的角度研究了
【基金项目】
：
国家自然科学基金资助,项目批准号:61004036
论文部分内容阅读
逆向强化学习是指通过专家行为获取潜在报酬函数的过程,进而可利用强化学习等优化理论得到最优的控制策略,因而可以实现对专家行为的模仿。本文从性能灵敏度分析的角度研究了逆向强化学习原理,通过分析专家策略与任意策略间的性能差公式,给出了一种统一的逆向强化学习的分析框架,将标准逆向强化学习问题扩展到报酬函数由状态和动作同时相关的情形。同时,统一地对折扣报酬马氏决策过程和平均报酬马氏决策过程逆向强化学习进行了研究。最后,以方格迷宫实验验证了所得结果的有效性。
其他文献
随着近年来我国基础教育体制改革的深化,如何利用人教版小学数学教材培养学生的数学学习能力,健全学生的认知架构,成为当前小学数学教育者研究的重点课题。在笔者看来,在小学
【正】 《资本论》研究的对象是资本主义生产关系,马克思主义经典作家早有定论。只是近几年来,我国经济学界在学习和研究《资本论》的过程中,对马克思在《资本论》第一卷第一
在计算机科学中,布尔可满足性问题(有时称为命题满足性问题或SAT问题)是确定是否存在一个问题的解,其满足给定的布尔公式。换句话说,它判断给定的布尔公式的变量是否可以赋予
浙江省A级物流企业数量在全国各省市自治区中是最多的,但是企业发展过程中存在许多问题。本文对浙江省A级物流企业基本情况进行分析,得出物流企业存在的主要问题,并提出相应
借鉴成熟动机量表,自编"高职院校行业英语教师教学动机量表",对浙江三地四所高校的120名行业英语教师进行了调查。结果显示,问卷信度和效度均良好;各题项均符合量表要求,经T
目的：制备抗人胰腺癌单克隆抗体并对其进行鉴定，以希望为胰腺癌的早期诊断及治疗提供一种新方法。 方法：以人胰腺癌细胞株8988为抗原，免疫BALB／c小鼠，常规融合，运用ELISA方法筛选
秦川机床成功研制出精密大型数控圆锥齿轮铣齿机QJK002与磨齿机QMK009,代表了国际齿轮加工技术当代先进水平。彻底改写了我国在船舶与海工装备推进器、陆地和海上钻机转台、
高职英语课程资源的开发应该符合高职英语教育应用性、实用性和实践性的特征,充分重视本地区、本学校的办学特色,遵循适应性、发展性和个性化原则,注重教师和学生两大重要的
<正>太湖新银鱼(Neosalanx taihuensis)隶属于胡瓜鱼目(Osmeriformes)、银鱼科(Salangidae)、新银鱼属(Neosalanx),浮游动物食性,生命周期一般一年,是长江中下游及其附属水体
在新课程背景下小学生数学教学生活化,是为了让学生在学习数学的过程中对生活有一个正确的理解和认识。所以本文就根据学生的心理特点,结合教材中的教学内容,在学生数学教学