【摘 要】
：
近年来强化学习愈发体现其强大的学习能力,2017年AlphaGo在围棋上击败世界冠军,同时在复杂竞技游戏星际争霸2和DOTA2中人类的顶尖战队也败于AI之手,但其自身又存在着自身的弱
【基金项目】
：
国家自然科学基金(61806221)
论文部分内容阅读
近年来强化学习愈发体现其强大的学习能力,2017年AlphaGo在围棋上击败世界冠军,同时在复杂竞技游戏星际争霸2和DOTA2中人类的顶尖战队也败于AI之手,但其自身又存在着自身的弱点,在不断的发展中瓶颈逐渐出现。分层强化学习因为能够解决其维数灾难问题,使得其在环境更为复杂,动作空间更大的环境中表现出更加优异的处理能力,对其的研究在近几年不断升温。对强化学习的基本理论进行简要介绍,对Option、HAMs、MAXQ这3种经典分层强化学习算法进行介绍,之后对近几年在分层的思想下提出的分层强化学习算法从3个方
其他文献
研究P-理想下半环的一些新特性.以P-理想为工具,构造幂等P-理想、素P-理想,半素P-理想,并给出一些新结论,从而定义弱P-正则半环.应用P-理想,研究半环具有的一些新特性,具有一
四点接触球转盘轴承材料的选取对轴承的使用寿命非常重要,本文分析了铝合金7A09(旧称LC9)、钢42CrMo、钢GCr15SiMn三种材料的优缺点,结果表明:转盘轴承选取该三种材料组合,既
1963年，一位叫玛利·班尼的女孩写信给《芝加哥论坛报》，因为她实在搞不明白，为什么她帮妈妈把烤好的甜饼送到餐桌上，得到的只是一句“好孩子”的夸奖，而那个什么都不干，只知捣蛋的戴维(她的弟弟)得到的却是一个甜饼。她想问一问无所不知的西勒·库斯特先生，上帝真的是公平的吗?为什么她在家和学校常看到——些像她这样的好孩子被上帝遗忘了。 西勒·库斯特是《芝加哥论坛报》儿童版“你说我说”栏目的主持人，十多
复合土工膜具有施工速度快、施工设备简单、施工期受外界气象条件影响小的特点,作为防渗材料在导截流围堰、堤坝、渠道、抽水蓄能电站上下库等水工建筑物中得到了广泛应用,但
“性教育”本该承担起让人明晰男女社会角色定位，学习做个健康的好男人和好女人的责任，因此，该是一门包含性生理知识、性别教育、性健康教育、性心理教育、性美感教育、性道德教
心墙沉降是两河口300m级特高土石坝的控制性安全监测项目,结合室内试验、监测、施工进度等资料研究了心墙砾石土的沉降特性,并建立施工期沉降监控模型。研究表明:沉降变形的
针对目前浮点运算软件实现速度慢,不能满足嵌入式处理器实时性要求以及运算种类有限等问题,提出了一种基于RISC-V指令集的浮点处理器,能够执行加法、减法、乘法、除法、平方
高等职业教育在现代职业教育体系建设进程中具有引领作用,《教育纲要》给职业教育提出新课题,国家产业发展趋势给职业教育提出新思考,向中国创造转变给职业教育提出新期望。