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

當(dāng)前位置:主頁 > 科技論文 > 搜索引擎論文 >

基于強化學(xué)習(xí)的冰壺比賽策略生成方法研究

發(fā)布時間:2020-05-22 09:17
【摘要】:隨著強化學(xué)習(xí)的飛速發(fā)展,越來越多的強化學(xué)習(xí)算法涌現(xiàn)出來,對于離散狀態(tài)空間環(huán)境,已經(jīng)有許多成熟的強化學(xué)習(xí)方法,并逐漸應(yīng)用于各行各業(yè)的人工智能體中。但是在連續(xù)狀態(tài)空間領(lǐng)域,強化學(xué)習(xí)的能力仍然捉襟見肘,僅存在一些理論上的研究,并未落地開展實際測試。本課題針對冰壺場地環(huán)境,對連續(xù)狀態(tài)空間下的策略生成方法進(jìn)行了研究,嘗試通過強化學(xué)習(xí)算法生成冰壺的投擲策略,并結(jié)合搜索算法,對冰壺投擲策略進(jìn)行相關(guān)的探索。冰壺場地環(huán)境下,狀態(tài)與動作空間均位于連續(xù)空間,且有多維自由變量,想要將經(jīng)典的強化學(xué)習(xí)算法遷移到此場景中是很難實現(xiàn)的。而且冰壺場地環(huán)境存在許多不確定因素,投擲策略在執(zhí)行時會產(chǎn)生誤差,偏離原定軌跡,也對策略生成算法的能力產(chǎn)生了很大的挑戰(zhàn)。本文利用多種方法對冰壺投擲策略生成方法進(jìn)行了研究,主要研究內(nèi)容如下:(1)冰壺仿真對抗平臺建設(shè)。首先需要將冰壺比賽場景轉(zhuǎn)化為合理的動力學(xué)模型。將實際場景轉(zhuǎn)化為動力學(xué)模型,不僅要合理的設(shè)計系統(tǒng)的狀態(tài)與動作,還要考慮投擲誤差對場景及算法的影響。其次進(jìn)行冰壺仿真對抗平臺前端的設(shè)計。冰壺仿真對抗平臺前端用于接收用戶輸入,并將設(shè)計成型的數(shù)學(xué)模型直觀的展現(xiàn)出來,對冰壺投擲進(jìn)行可視化處理。最后完成對冰壺仿真對抗平臺后臺的體系架構(gòu)。后臺將投擲過程中的滑行過程與碰撞過程以數(shù)據(jù)的方式進(jìn)行記錄,并能夠執(zhí)行回放、撤銷等功能。冰壺仿真對抗平臺是冰壺投擲策略生成所依靠的必要基礎(chǔ),為冰壺投擲策略生成提供海量的數(shù)據(jù)參考與支持。(2)設(shè)計冰壺投擲策略生成算法。首先應(yīng)對PSO粒子群算法進(jìn)行了合理的優(yōu)化,調(diào)整到合適的參數(shù),保證其在有限時間內(nèi)生成可靠的投擲策略;其次嘗試將蒙特卡洛樹與監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)結(jié)合起來,探尋投擲策略的生成模式;最后設(shè)計強化學(xué)習(xí)算法結(jié)構(gòu)的四要素:策略、回報函數(shù)、動作值函數(shù)和環(huán)境數(shù)學(xué)模型。只有建立合適的數(shù)學(xué)模型,設(shè)計合理的回報函數(shù),計算機才能夠通過強化學(xué)習(xí)算法訓(xùn)練得到最優(yōu)策略。(3)冰壺對抗策略的量化分析。各國家運動員依靠比賽經(jīng)驗制定了許多冰壺投擲策略,可以將其與強化學(xué)習(xí)生成的投擲策略進(jìn)行比較,互相借鑒,互相進(jìn)步。既通過已有的比賽策略經(jīng)驗對強化學(xué)習(xí)算法進(jìn)行適當(dāng)?shù)男薷?又可以將強化學(xué)習(xí)算法生成的投擲策略供給運動員作為比賽參考。
【圖文】:

圖像,倒立擺,平衡控制


SARSA 學(xué)習(xí)更新 Q 函數(shù)時需要用到( , , , ′,的名字 SARSA。與 Q-learning 相同,SARSA精確 Q 值并輸出確定性策略方案[12]。習(xí)方法應(yīng)用于各種離散狀態(tài)空間的系統(tǒng)中,當(dāng)強化學(xué)習(xí)的方法也已取得一些成果。最典型的題,通過控制小車的移動來維持車上擺桿的平-learning 算法[13],并對倒立擺進(jìn)行了仿真控態(tài)離散化,,再使用可以處理離散空間的 Q-lea空間的倒立擺平衡控制[14]。Anderson 等人通過的函數(shù)擬合,并采用 AHC(Adaptive Heuristic散化處理的情況下完成了倒立擺的平衡控制果。之后研究者又探索了其他領(lǐng)域,Koutnik開發(fā)了連續(xù)狀態(tài)空間下的強化學(xué)習(xí)系統(tǒng)[16-17],神經(jīng)網(wǎng)絡(luò)結(jié)合起來,成功實現(xiàn)了賽車游戲中的

網(wǎng)絡(luò)結(jié)構(gòu)圖,網(wǎng)絡(luò)結(jié)構(gòu)


哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文1.2.2 深度強化學(xué)習(xí)近年來隨著深度學(xué)習(xí)的快速發(fā)展,國內(nèi)外學(xué)者將離散空間下的強化學(xué)習(xí)算法與深度學(xué)習(xí)相結(jié)合[18-20],進(jìn)行了諸多的研究與創(chuàng)新,目前已取得大量成果:2013 年 Mnih 等人提出了深度強化學(xué)習(xí)的開創(chuàng)性工作深度 Q 網(wǎng)絡(luò)(DQN)[21],通過深度神經(jīng)網(wǎng)絡(luò)對 Q 函數(shù)進(jìn)行函數(shù)逼近,在視頻游戲 Atari 等領(lǐng)域取得突破。
【學(xué)位授予單位】:哈爾濱工業(yè)大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2018
【分類號】:G862.6;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張平,斯特凡·卡紐;在加強型學(xué)習(xí)系統(tǒng)中用偽熵進(jìn)行不確定性估計(英文)[J];控制理論與應(yīng)用;1998年01期



本文編號:2675769

資料下載
論文發(fā)表

本文鏈接:http://lk138.cn/kejilunwen/sousuoyinqinglunwen/2675769.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cf811***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
蜜桃午夜免费精品视频| 久久精品一页| 无码AV电影在线观看| 欧美黑人中文字幕久久视频| 2019国产a∨| 精品日韩乱码久久久久久1区2区| 久久久久久久三级电影网站| 男人天堂av东京| Av电影在线播放入口| 久久网站一级二级三区三州| 日本人人午夜精品| 一区二区无码在线A| 国产精品久久伦理在线| 精品久久久久久中文幕人妻| 囯产自拍偷拍| 国产欧美在线观看导航 | 欧美日韩人妻AAA| 亚洲伦理国产午夜| 久久久久久久WWWW69| 丰满的人妻熟女| 精品自拍另类视频| 男人鸡巴插入女人逼视频| 日本人妻综合网站| 亚洲日韩欧美久久一区二区| 日B啊视频| 亚洲 丰满人妻 中文| 龙腾AV日韩porn| 欧美人妻 日韩调教,| 欧美精品女同| 轮奸少妇久久久久久久| 97成人免费视频一区二区三区| 精品一区二区三区日B视频| 日日干日日| 欧美3d一区二区三区四区| 日本久久综合一区二区| 老死机午夜视频精品在线| av天堂 男人在线| 一区二区综合图片视频| 久久久噜噜噜w| 久久一级特黄Av一区二区| 激情婷婷蜜臀麻豆久久综合|