国产伦乱,一曲二曲欧美日韩,AV在线不卡免费在线不卡免费,搞91AV视频

基于強(qiáng)化學(xué)習(xí)的游戲環(huán)境中智能體決策模型的設(shè)計研究

發(fā)布時間:2025-05-29 07:03
  目前大多數(shù)都是使用以值為基礎(chǔ)的Q函數(shù)如DQN強(qiáng)化學(xué)習(xí)算法進(jìn)行研究,減少了對更加直觀的以策略方法為基礎(chǔ)的強(qiáng)化學(xué)習(xí)算法的研究。且在游戲領(lǐng)域中,連續(xù)高維的狀態(tài)動作分布是決策問題應(yīng)用強(qiáng)化學(xué)習(xí)所面臨的一個巨大困難,為解決這一問題,本文將通過基礎(chǔ)方法策略搜索方法——確定性策略梯度算法作出研究,并分析確定性策略梯度算法的優(yōu)缺點(diǎn),對于其缺陷進(jìn)行改進(jìn),提出雙剪切策略梯度算法改進(jìn)模型,并探討不同的改進(jìn)部分對實(shí)驗結(jié)果的影響。最后在游戲平臺上選擇四個連續(xù)高維的任務(wù)進(jìn)行訓(xùn)練,以證明改進(jìn)算法在解決此問題的性能提升水平。本文主要進(jìn)行了五個部分的闡述。(1)首先對強(qiáng)化學(xué)習(xí)的本質(zhì)問題與發(fā)展應(yīng)用領(lǐng)域進(jìn)行了簡明介紹,接著介紹了基礎(chǔ)的方法——深度學(xué)習(xí),闡述了其發(fā)展歷史與現(xiàn)狀,最后對深度強(qiáng)化學(xué)習(xí)DRL的發(fā)展進(jìn)行了簡述;(2)分析了強(qiáng)化學(xué)習(xí)的數(shù)學(xué)模型架構(gòu)——馬爾科夫決策過程,和貝爾曼最優(yōu)解,并引出了強(qiáng)化學(xué)習(xí)的基礎(chǔ)方法,值迭代方法和策略迭代方法,然后分析了無模型環(huán)境中基于值迭代法和策略迭代法的兩種強(qiáng)化學(xué)習(xí)策略求解方法——蒙特卡洛方法與時序差分法。(3)根據(jù)前一章的策略迭代和時序差分方法,提出需要改進(jìn)的基礎(chǔ)方法確定性策略梯度算法,結(jié)合...

【文章頁數(shù)】:65 頁

【學(xué)位級別】:碩士

【文章目錄】:
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 深度學(xué)習(xí)的起源與發(fā)展
        1.2.2 深度強(qiáng)化學(xué)習(xí)DRL的進(jìn)展
    1.3 論文的主要工作與結(jié)構(gòu)
第二章 基于DRL的決策算法框架
    2.1 強(qiáng)化學(xué)習(xí)問題描述架構(gòu)
        2.1.1 強(qiáng)化學(xué)習(xí)問題模型
        2.1.2 數(shù)學(xué)模型——馬爾科夫決策過程
        2.1.3 貝爾曼方程最優(yōu)解
    2.2 動態(tài)規(guī)劃
    2.3 無模型預(yù)測學(xué)習(xí)方法
        2.3.1 Monte-Carlo強(qiáng)化學(xué)習(xí)
        2.3.2 Temporal-Difference強(qiáng)化學(xué)習(xí)
    2.4 本章小結(jié)
第三章 基于確定性策略與AC架構(gòu)的系統(tǒng)建模
    3.1 確定性深度策略方法
        3.1.1 演員-評論者(Actor-Critic)架構(gòu)
        3.1.2 確定性策略梯度算法
    3.2 雙剪切策略梯度算法改進(jìn)模型
        3.2.1 Actor動作選擇策略
        3.2.2 AC架構(gòu)中的高估偏差
        3.2.3 Critic雙剪切Q網(wǎng)絡(luò)
        3.2.4 目標(biāo)網(wǎng)絡(luò)與延遲策略更新
        3.2.5 目標(biāo)策略平滑正則化
        3.2.6 雙剪切策略梯度算法
    3.3 本章小結(jié)
第四章 游戲平臺系統(tǒng)模型實(shí)驗
    4.1 實(shí)驗平臺
    4.2 實(shí)驗環(huán)境
    4.3 實(shí)驗參數(shù)配置
    4.4 實(shí)驗結(jié)果及分析
        4.4.1 高估偏差分析
        4.4.2 目標(biāo)網(wǎng)絡(luò)與延遲更新分析
        4.4.3 游戲得分結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號:4048908

資料下載
論文發(fā)表

本文鏈接:http://lk138.cn/guanlilunwen/lindaojc/4048908.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶91260***提供,本站僅收錄摘要或目錄,作者需要刪除請E-mail郵箱bigeng88@qq.com
一欧美不卡一区二区三区| 欧美亚洲视频导航网| 久久美女免费电影| 亚洲Aa中文字幕| 欧洲日韩国产| 九九成人黄色| 一区二区三区亚洲欧美日韩欧美| 操鸡八| 亚洲色成人中文字幕在线| 色婷婷AV一区二区三区久久| 麻豆黄色8mav| 人妻 五码| 日本伦在线| 高潮久久百合| 国产精品亚洲黑人在线观看| 国产 日韩 人妻| 台湾无吗一区二区三区四区| 五月天丁香一区二区| 欧美日韩4KAV电影| 青草久久人妻精品| 日韩精品一区二区三区中文不卡 | 亚洲精品中文字幕乱码一区二区欧美| 噜噜噜噜噜噜噜69| 欧美xxx在线观看国产| 91精品偷窥一区二区| 超碰免费在线久一区| 久久久威尼斯无码人妻久久久| 国产伦一区二区三区免费| 亚洲一区二区三区日韩无码图片区| 高清视频日本色| 亚洲AV无码国产成人久久麻豆| 日韩欧美一区二区区88| 欧美一区二区三区在线观| 欧美日韩精品13| 被操爽视频| 日本不卡一二三视频| 亚洲最新av一区| 日韩乱码在线激情| 天天射天天干天天曰| 日韩在线不卡一区二区| 天堂av一二三四区|