共 1 条
一种自适应概率规划规则抽取算法
被引：4
作者：
高阳
陆鑫
李宁
陈世福
机构：
[1] 南京大学计算机软件新技术国家重点实验室
[2] 南京大学计算机软件新技术国家重点实验室 南京
[3] 南京
来源：
关键词：
概率规划;
强化学习;
规则抽取;
D O I：
暂无
中图分类号：
TP311.12 [];
学科分类号：
081202 ;
0835 ;
摘要：
在已知状态迁移条件下,利用传统概率规划技术能够获得确定的规划规则.而强化学习技术能够在未知环境条件下,利用试错和奖赏函数在线学习动态环境的策略知识.因此一种自适应的概率规划规则抽取算法被提出.该算法首先在强化学习获得的最优状态-动作对值函数基础上,通过迭代得到有折扣无奖赏的值函数和无折扣无奖赏的值函数.然后通过子规划剪枝将大于指定规划步数的子规划去除,并得到子规划剪枝后的状态-动作对值函数.最后通过Beamsearch算法从值函数中抽取满足概率规划条件的规划知识,从而在规划模型变化的条件下.也可以获得确定的概率规划规则.实验证明,这种自适应概率规划规则抽取算法是有效的.
引用
收藏
页码：145 / 152
页数：8
相关论文