期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
6
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
平均奖赏强化学习算法研究
被引量：
38
1
作者
高阳
周如益
+1 位作者
王皓
曹志新
《计算机学报》
EI
CSCD
北大核心
2007年第8期1372-1378,共7页
顺序决策问题常用马尔可夫决策过程(MDP)建模.当决策行为执行从时刻点扩展到连续时间上时,经典的马尔可夫决策过程模型也扩展到半马尔可夫决策过程模型(SMDP).当系统参数未知时,强化学习技术被用来学习最优策略.文中基于性能势理论,证...
顺序决策问题常用马尔可夫决策过程(MDP)建模.当决策行为执行从时刻点扩展到连续时间上时,经典的马尔可夫决策过程模型也扩展到半马尔可夫决策过程模型(SMDP).当系统参数未知时,强化学习技术被用来学习最优策略.文中基于性能势理论,证明了平均奖赏强化学习的逼近定理.通过逼近相对参考状态的性能势值函数,研究一个新的平均奖赏强化学习算法——G-学习算法.G-学习算法既可以用于MDP,也可以用于SMDP.不同于经典的R-学习算法,G-学习算法采用相对参考状态的性能势值函数替代相对平均奖赏和的相对值函数.在顾客访问控制和生产库存仿真实验中,G-学习算法表现出优于R-学习算法和SMART算法的性能.
展开更多
关键词
平均奖赏强化学习
性能势
G-学习
马尔可夫决策过程
半马尔可夫决策过程
下载PDF
职称材料
基于平均强化学习的订单生产方式企业订单接受策略
被引量：
6
2
作者
郝鹃
余建军
周文慧
《计算机应用》
CSCD
北大核心
2013年第4期976-979,共4页
从收益管理思想出发,采用平均强化学习算法研究不确定环境下订单生产(MTO)方式企业的订单接受问题。以最大化平均期望收益为优化目标,采用多级价格机制,把订单类型、价格和提前期的不同组合作为系统状态划分标准,结合平均强化学习原理,...
从收益管理思想出发,采用平均强化学习算法研究不确定环境下订单生产(MTO)方式企业的订单接受问题。以最大化平均期望收益为优化目标,采用多级价格机制,把订单类型、价格和提前期的不同组合作为系统状态划分标准,结合平均强化学习原理,提出了具有学习能力的订单接受算法(RLOA)。仿真结果表明,RLOA算法具有学习和选择性接受订单的能力,与其他订单接受规则相比,在平均收益、订单类型接受状况和适应性等方面都有较好表现。
展开更多
关键词
订单接受
平均强化学习
订单生产方式企业
收益管理
下载PDF
职称材料
平均报酬模型强化学习理论、算法及应用
被引量：
4
3
作者
黄炳强
曹广益
李建华
《计算机工程》
CAS
CSCD
北大核心
2007年第18期18-19,39,共3页
折扣报酬模型强化学习是目前强化学习研究的主流,但折扣因子的选取使得近期期望报酬的影响大于远期期望报酬的影响,而有时候较大远期期望报酬的策略有可能是最优的,因此比较合理的方法是采用平均报酬模型强化学习。该文介绍了平均报酬...
折扣报酬模型强化学习是目前强化学习研究的主流,但折扣因子的选取使得近期期望报酬的影响大于远期期望报酬的影响,而有时候较大远期期望报酬的策略有可能是最优的,因此比较合理的方法是采用平均报酬模型强化学习。该文介绍了平均报酬模型强化学习的两个主要算法以及主要应用。
展开更多
关键词
平均报酬强化学习
R学习
H学习
下载PDF
职称材料
可重入生产系统的平均报酬型强化学习调度
被引量：
5
4
作者
柳长春
沈志江
于海斌
《信息与控制》
CSCD
北大核心
2004年第2期145-150,共6页
在可重入生产系统中 ,一个重要的问题就是对调度策略进行优化 ,以提高系统平均输出率 .本文采用了一种平均报酬型强化学习算法来解决该问题 ,直接从所关心的系统品质出发 ,自动获得具有自适应性的动态调度策略 .仿真结果表明 ,其性能优...
在可重入生产系统中 ,一个重要的问题就是对调度策略进行优化 ,以提高系统平均输出率 .本文采用了一种平均报酬型强化学习算法来解决该问题 ,直接从所关心的系统品质出发 ,自动获得具有自适应性的动态调度策略 .仿真结果表明 ,其性能优于两种熟知的优先权调度策略 .
展开更多
关键词
可重入生产系统
平均报酬型强化学习调度
优化
调度策略
下载PDF
职称材料
一种改进的平均奖赏强化学习方法在RoboCup训练中的应用
被引量：
2
5
作者
李瑾
刘全
+2 位作者
杨旭东
杨凯
翁东良
《苏州大学学报（自然科学版）》
CAS
2012年第2期21-26,共6页
强化学习在人工智能领域中是一种重要的解决学习控制问题的方法.在强化学习中,平均奖赏类型的强化学习方法适用于解决具有循环特性或者不具有终结状态的问题,然而平均奖赏强化学习存在收敛速度慢、对参数和环境敏感等问题.针对平均奖赏...
强化学习在人工智能领域中是一种重要的解决学习控制问题的方法.在强化学习中,平均奖赏类型的强化学习方法适用于解决具有循环特性或者不具有终结状态的问题,然而平均奖赏强化学习存在收敛速度慢、对参数和环境敏感等问题.针对平均奖赏强化学习收敛速度缓慢这一问题,提出了一种改进的平均奖赏强化学习方法.同时,为了处理大状态空间、提高泛化能力,算法采用神经网络作为近似函数.算法在RoboCup中实验的训练表明该算法具有较快的收敛速度和较强的泛化能力.
展开更多
关键词
平均奖赏
强化学习
Keepaway
ROBOCUP
下载PDF
职称材料
基于平均奖赏强化学习算法的零阶分类元系统
被引量：
1
6
作者
臧兆祥
李昭
+1 位作者
王俊英
但志平
《计算机工程与应用》
CSCD
北大核心
2016年第21期14-20,48,共8页
零阶学习分类元系统ZCS(Zeroth-level Classifier System)作为一种基于遗传的机器学习技术(GeneticsBased Machine Learning),在解决多步学习问题上,已展现出应用价值。然而标准的ZCS系统采用折扣奖赏强化学习技术,难于适应更为广泛的...
零阶学习分类元系统ZCS(Zeroth-level Classifier System)作为一种基于遗传的机器学习技术(GeneticsBased Machine Learning),在解决多步学习问题上,已展现出应用价值。然而标准的ZCS系统采用折扣奖赏强化学习技术,难于适应更为广泛的应用领域。基于ZCS的现有框架,提出了一种采用平均奖赏强化学习技术(R-学习算法)的分类元系统,将ZCS中的折扣奖赏强化学习方法替换为R-学习算法,从而使ZCS一方面可应用于需要优化平均奖赏的问题领域,另一方面则可求解规模较大、需要动作长链支持的多步学习问题。实验显示,在多步学习问题中,该系统可给出满意解,且在维持动作长链,以及克服过泛化问题方面,具有更优的特性。
展开更多
关键词
平均奖赏
强化学习
R-学习算法
学习分类元系统(LCS)
零阶分类元系统(ZCS)
多步学习问题
下载PDF
职称材料
题名
平均奖赏强化学习算法研究
被引量：
38
1
作者
高阳
周如益
王皓
曹志新
机构
南京大学软件新技术国家重点实验室
江苏省智能卡工程技术研究中心
出处
《计算机学报》
EI
CSCD
北大核心
2007年第8期1372-1378,共7页
基金
国家自然科学基金(60475026)
国家杰出青年科学基金(60325207)资助~~
文摘
顺序决策问题常用马尔可夫决策过程(MDP)建模.当决策行为执行从时刻点扩展到连续时间上时,经典的马尔可夫决策过程模型也扩展到半马尔可夫决策过程模型(SMDP).当系统参数未知时,强化学习技术被用来学习最优策略.文中基于性能势理论,证明了平均奖赏强化学习的逼近定理.通过逼近相对参考状态的性能势值函数,研究一个新的平均奖赏强化学习算法——G-学习算法.G-学习算法既可以用于MDP,也可以用于SMDP.不同于经典的R-学习算法,G-学习算法采用相对参考状态的性能势值函数替代相对平均奖赏和的相对值函数.在顾客访问控制和生产库存仿真实验中,G-学习算法表现出优于R-学习算法和SMART算法的性能.
关键词
平均奖赏强化学习
性能势
G-学习
马尔可夫决策过程
半马尔可夫决策过程
Keywords
average
reward
reinforcement
learning
performance
potential
G-
learning
Markovdecision
process
semi-Markov
decision
process
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于平均强化学习的订单生产方式企业订单接受策略
被引量：
6
2
作者
郝鹃
余建军
周文慧
机构
华南理工大学工商管理学院
广东外语外贸大学思科信息学院
出处
《计算机应用》
CSCD
北大核心
2013年第4期976-979,共4页
基金
国家自然科学基金资助项目(71071059)
教育部人文社会科学项目(08JC630028)
教育部博士点基金资助项目(20100172120040)
文摘
从收益管理思想出发,采用平均强化学习算法研究不确定环境下订单生产(MTO)方式企业的订单接受问题。以最大化平均期望收益为优化目标,采用多级价格机制,把订单类型、价格和提前期的不同组合作为系统状态划分标准,结合平均强化学习原理,提出了具有学习能力的订单接受算法(RLOA)。仿真结果表明,RLOA算法具有学习和选择性接受订单的能力,与其他订单接受规则相比,在平均收益、订单类型接受状况和适应性等方面都有较好表现。
关键词
订单接受
平均强化学习
订单生产方式企业
收益管理
Keywords
order
acceptance
average
-
reward
reinforcement
learning
Make-to-Order（MTO）
manufacturing
revenue
management
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
平均报酬模型强化学习理论、算法及应用
被引量：
4
3
作者
黄炳强
曹广益
李建华
机构
上海交通大学自动化系
华东理工大学计算机系
出处
《计算机工程》
CAS
CSCD
北大核心
2007年第18期18-19,39,共3页
文摘
折扣报酬模型强化学习是目前强化学习研究的主流,但折扣因子的选取使得近期期望报酬的影响大于远期期望报酬的影响,而有时候较大远期期望报酬的策略有可能是最优的,因此比较合理的方法是采用平均报酬模型强化学习。该文介绍了平均报酬模型强化学习的两个主要算法以及主要应用。
关键词
平均报酬强化学习
R学习
H学习
Keywords
average
reward
reinforcement
learning
R-
learning
H-
learning
分类号
TP24 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
可重入生产系统的平均报酬型强化学习调度
被引量：
5
4
作者
柳长春
沈志江
于海斌
机构
中国科学院沈阳自动化研究所
出处
《信息与控制》
CSCD
北大核心
2004年第2期145-150,共6页
基金
国家自然科学基金资助项目 (699740 3 9)
文摘
在可重入生产系统中 ,一个重要的问题就是对调度策略进行优化 ,以提高系统平均输出率 .本文采用了一种平均报酬型强化学习算法来解决该问题 ,直接从所关心的系统品质出发 ,自动获得具有自适应性的动态调度策略 .仿真结果表明 ,其性能优于两种熟知的优先权调度策略 .
关键词
可重入生产系统
平均报酬型强化学习调度
优化
调度策略
Keywords
average
reward
reinforcement
learning
reentrant
system
scheduling
temporal
differences
分类号
O224 [理学—运筹学与控制论]
下载PDF
职称材料
题名
一种改进的平均奖赏强化学习方法在RoboCup训练中的应用
被引量：
2
5
作者
李瑾
刘全
杨旭东
杨凯
翁东良
机构
苏州大学计算机科学与技术学院
出处
《苏州大学学报（自然科学版）》
CAS
2012年第2期21-26,共6页
基金
国家自然科学基金(61070223
61103045
+4 种基金
60970015
61170020)
江苏省自然科学基金(BK2009116)
江苏省高校自然科学研究基金(09KJA520002
09KJB520012)
文摘
强化学习在人工智能领域中是一种重要的解决学习控制问题的方法.在强化学习中,平均奖赏类型的强化学习方法适用于解决具有循环特性或者不具有终结状态的问题,然而平均奖赏强化学习存在收敛速度慢、对参数和环境敏感等问题.针对平均奖赏强化学习收敛速度缓慢这一问题,提出了一种改进的平均奖赏强化学习方法.同时,为了处理大状态空间、提高泛化能力,算法采用神经网络作为近似函数.算法在RoboCup中实验的训练表明该算法具有较快的收敛速度和较强的泛化能力.
关键词
平均奖赏
强化学习
Keepaway
ROBOCUP
Keywords
average
reward
reinforcement
learning
Keepaway
RoboCup
分类号
TP309 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于平均奖赏强化学习算法的零阶分类元系统
被引量：
1
6
作者
臧兆祥
李昭
王俊英
但志平
机构
三峡大学水电工程智能视觉监测湖北省重点实验室
三峡大学计算机与信息学院
出处
《计算机工程与应用》
CSCD
北大核心
2016年第21期14-20,48,共8页
基金
国家自然科学基金(No.61502274)
湖北省自然科学基金(No.2015CFB336
+5 种基金
No.2014CFC1144
No.2015CFA025)
三峡大学水电工程智能视觉监测湖北省重点实验室开放基金(No.2015KLA08
No.2014KLA08)
三峡大学人才科研启动基金(No.KJ2013B064
No.KJ2013B063)
文摘
零阶学习分类元系统ZCS(Zeroth-level Classifier System)作为一种基于遗传的机器学习技术(GeneticsBased Machine Learning),在解决多步学习问题上,已展现出应用价值。然而标准的ZCS系统采用折扣奖赏强化学习技术,难于适应更为广泛的应用领域。基于ZCS的现有框架,提出了一种采用平均奖赏强化学习技术(R-学习算法)的分类元系统,将ZCS中的折扣奖赏强化学习方法替换为R-学习算法,从而使ZCS一方面可应用于需要优化平均奖赏的问题领域,另一方面则可求解规模较大、需要动作长链支持的多步学习问题。实验显示,在多步学习问题中,该系统可给出满意解,且在维持动作长链,以及克服过泛化问题方面,具有更优的特性。
关键词
平均奖赏
强化学习
R-学习算法
学习分类元系统(LCS)
零阶分类元系统(ZCS)
多步学习问题
Keywords
average
reward
reinforcement
learning
R-
learning
learning
Classifier
Systems(LCS)
Zeroth-level
Classifier
System(ZCS)
multi-step
problems
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP391 [自动化与计算机技术—控制科学与工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
平均奖赏强化学习算法研究
高阳
周如益
王皓
曹志新
《计算机学报》
EI
CSCD
北大核心
2007
38
下载PDF
职称材料
2
基于平均强化学习的订单生产方式企业订单接受策略
郝鹃
余建军
周文慧
《计算机应用》
CSCD
北大核心
2013
6
下载PDF
职称材料
3
平均报酬模型强化学习理论、算法及应用
黄炳强
曹广益
李建华
《计算机工程》
CAS
CSCD
北大核心
2007
4
下载PDF
职称材料
4
可重入生产系统的平均报酬型强化学习调度
柳长春
沈志江
于海斌
《信息与控制》
CSCD
北大核心
2004
5
下载PDF
职称材料
5
一种改进的平均奖赏强化学习方法在RoboCup训练中的应用
李瑾
刘全
杨旭东
杨凯
翁东良
《苏州大学学报（自然科学版）》
CAS
2012
2
下载PDF
职称材料
6
基于平均奖赏强化学习算法的零阶分类元系统
臧兆祥
李昭
王俊英
但志平
《计算机工程与应用》
CSCD
北大核心
2016
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
