检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于sarsa学习的基站休眠策略研究

重庆邮电大学学报（自然科学版） 2020年第4期32卷 536-543页

作者：杨海吴静中国西南电子技术研究所成都610036 重庆邮电大学通信与信息工程学院重庆400065

在异构Macro-femto蜂窝网络中,随着日益增长的用户数量使得基站能耗问题变得更加严峻,提升整个移动系统能效的有效方式就是进行基站休眠。根据无模型理论提出一种基于sarsa学习的动态基站休眠算法,算法通过基站学习环境中的用户流量,制... 详细信息

在异构Macro-femto蜂窝网络中,随着日益增长的用户数量使得基站能耗问题变得更加严峻,提升整个移动系统能效的有效方式就是进行基站休眠。根据无模型理论提出一种基于sarsa学习的动态基站休眠算法,算法通过基站学习环境中的用户流量,制定合理的休眠机制。仿真结果表明,提出的基于sarsa学习的基站休眠算法能够有效提升系统能效。

关键词：异构蜂窝网络系统能效基站休眠 sarsa学习

基于模糊神经网络sarsa学习的多机器人任务分配

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2012年第12期29卷 203-205,222页

作者：陈夏冰刘国栋江南大学物联网工程学院教育部重点实验室江苏无锡214122

针对动态环境下多机器人任务分配的问题,提出一种基于模糊神经sarsa学习网络的效用函数模型,将模糊推理系统,神经网络模型与sarsa学习算法相结合。设计确定了网络的结构、学习算法以及最终效用值的确定步骤。在仿真实验中,利用该模型能... 详细信息

针对动态环境下多机器人任务分配的问题,提出一种基于模糊神经sarsa学习网络的效用函数模型,将模糊推理系统,神经网络模型与sarsa学习算法相结合。设计确定了网络的结构、学习算法以及最终效用值的确定步骤。在仿真实验中,利用该模型能快速收敛实现任务分配,并且能不断优化目标和路径。

关键词：任务分配效用函数模糊神经网络 sarsa学习

在线全文

学校读者我要写书评

暂无评论

基于sarsa学习算法的路径诱导算法研究

基于Sarsa学习算法的路径诱导算法研究

作者：王星乔沈阳理工大学

学位级别：硕士

近几十年来,随着我国城市机动化和城镇化的加快,城市遭遇了许多交通问题,如交通拥堵、交通安全、交通污染等。在城市地区,交通拥堵是最为普遍的交通问题,许多学者对解决城市交通拥堵问题作出了努力并提出了多种解决方案。其中,智能交通... 详细信息

近几十年来,随着我国城市机动化和城镇化的加快,城市遭遇了许多交通问题,如交通拥堵、交通安全、交通污染等。在城市地区,交通拥堵是最为普遍的交通问题,许多学者对解决城市交通拥堵问题作出了努力并提出了多种解决方案。其中,智能交通系统(ITS)是一种有效的解决交通问题的系统。作为智能交通系统的重要研究方面,中心式动态路径诱导系统是目前公认的提高交通效率、缓解交通拥堵的最佳途径。由于交通系统复杂多变、影响因素众多、路网规模庞大,基于精密交通流数学模型的路径诱导的实施困难极大,对于数学模型要求较低的智能技术是目前行之有效的方法。为此,本文利用人工智能手段中的强化学习策略来建立中心式动态路径诱导策略。首先,我们设计基于sarsa学习的在线的动态路径诱导模式来优化路网的整体使用效率。其次,从整个交通系统的角度出发,并考虑到交通系统的中各个局部交通环境的区别提出了基于全局和局部联合控制策略作为sarsa学习的行为选择函数。最后,为了解决大规模路网中sarsa学习寻优困难的问题,采用基于进化的聚类技术划分原始交通网来建立多层次网络,使得基于多层网络的动态路径诱导算法可以很快的收敛。本文在研究路径诱导算法的基础上,将中心式路径诱导系统、强化学习、全局和局部联合控制策略以及多目标遗传算法聚类生成多层网的研究特色融合在路径诱导算法中,尤其是应用了强化学习中的适合在动态系统中在线学习的sarsa学习算法。实验结果显示,本文提出的基于sarsa学习的路径诱导算法不但可以减少交通系统中车辆的平均行驶时间,还能减少系统中的拥堵现象,提高了交通系统的效率。并且,本文在该算法的基础上,分别从强化学习的行为选择函数和“状态―>行为”搜索空间的角度进行了改进,实验结果显示,这些算法进一步的提高了交通系统的效率。

关键词：路径诱导系统强化学习 sarsa学习遗传算法多层网方法

一种集成规划的sarsa(λ)强化学习算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

北京理工大学学报 2002年第3期22卷 325-327页

作者：李春贵吴沧浦刘永信北京理工大学自动控制系北京100081

提出一种新的集成规划的 sarsa(λ)强化学习算法 .该算法的主要思想是充分利用已有的经验数据 ,在无模型学习的同时估计系统模型 ,每进行一次无模型学习的试验后 ,利用模型在所记忆的状态 /行动对组成的表中进行规划 ,同时利用该表给出... 详细信息

提出一种新的集成规划的 sarsa(λ)强化学习算法 .该算法的主要思想是充分利用已有的经验数据 ,在无模型学习的同时估计系统模型 ,每进行一次无模型学习的试验后 ,利用模型在所记忆的状态 /行动对组成的表中进行规划 ,同时利用该表给出了在学习和规划之间的量化折中参考 .实验结果表明 ,本算法比单纯的无模型学习sarsa(λ)

关键词：强化学习 Markov决策过程 sarsa学习规划

一种基于状态聚类的sarsa(λ)强化学习算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2003年第5期29卷 37-38,98页

作者：李春贵吴沧浦刘永信北京理工大学自动控制系北京100081

为求解大状态空间的强化学习问题，提出了一种基于状态聚类的sarsa(λ)强化学习算法，其基本思想是利用先验知识或事先训练控制器，对状态空间进行聚类，分为不同的簇，然后在簇空间上进行sarsa(λ)学习。若能进行适当的状态聚类，算法... 详细信息

为求解大状态空间的强化学习问题，提出了一种基于状态聚类的sarsa(λ)强化学习算法，其基本思想是利用先验知识或事先训练控制器，对状态空间进行聚类，分为不同的簇，然后在簇空间上进行sarsa(λ)学习。若能进行适当的状态聚类，算法将可得到一个相对好的近似值函数.

关键词： sarsa(λ)强化学习算法状态聚类强化学习函数近似 sarsa学习人工神经网络

基于sarsa学习的单交叉口配时优化仿真与设计

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2020年第6期39卷 76-80页

作者：白静静任安虎李珊西安工业大学电子信息工程学院西安710021

现如今我国城市道路网络迅速扩大,城市道路交通拥挤状况加剧。传统的定时控制和感应控制不再适应交通环境的多变性、随机性及不确定性。针对Q学习算法只考虑新的状态下获得的最大奖赏,而不考虑新状态带来的风险,将sarsa学习应用于单交... 详细信息

现如今我国城市道路网络迅速扩大,城市道路交通拥挤状况加剧。传统的定时控制和感应控制不再适应交通环境的多变性、随机性及不确定性。针对Q学习算法只考虑新的状态下获得的最大奖赏,而不考虑新状态带来的风险,将sarsa学习应用于单交叉口配时优化方法中,sarsa学习在目标选择策略中有着既考虑最优值,又考虑探索作用值的优点。以单交叉口平均延误最小为优化目标,确定最优策略,并在VisSim中进行仿真,在仿真检验阶段1 000个步长后,sarsa学习的车辆平均延误相比于Q学习减少了1.277s。结果表明sarsa学习算法在配时优化延误指标上优于Q学习。

关键词：交叉口控制 sarsa学习配时优化强化学习

连续状态自适应离散化基于K-均值聚类的强化学习方法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2006年第2期21卷 143-147页

作者：文锋陈宗海卓睿周光明中国科学技术大学自动化系合肥230027

使用聚类算法对连续状态空间进行自适应离散化,得到了基于K-均值聚类的强化学习方法.该方法的学习过程分为两部分:对连续状态空间进行自适应离散化的状态空间学习,使用K-均值聚类算法;寻找最优策略的策略学习,使用替代合适迹sarsa学习算... 详细信息

使用聚类算法对连续状态空间进行自适应离散化,得到了基于K-均值聚类的强化学习方法.该方法的学习过程分为两部分:对连续状态空间进行自适应离散化的状态空间学习,使用K-均值聚类算法;寻找最优策略的策略学习,使用替代合适迹sarsa学习算法.对连续状态的强化学习基准问题进行仿真实验,结果表明该方法能实现对连续状态空间的自适应离散化,并最终学习到最优策略.与基于CM AC网络的强化学习方法进行比较,结果表明该方法具有节省存储空间和缩短计算时间的优点.

关键词：强化学习 K-均值聚类算法 sarsa学习连续状态自适应离散化

在线全文

学校读者我要写书评

暂无评论

求解部分可观测马氏决策过程的强化学习算法

控制与决策 2004年第11期19卷 1263-1266页

作者：王学宁贺汉根徐昕国防科技大学自动化研究所湖南长沙410073

针对部分可观测马氏决策过程(POMDP)中,由于感知混淆现象的存在,利用sarsa等算法得到的无记忆策略可能发生振荡的现象,研究了一种基于记忆的强化学习算法——CPnsarsa(λ)学习算法来解决该问题.它通过重新定义状态,Agent结合观测历史来... 详细信息

针对部分可观测马氏决策过程(POMDP)中,由于感知混淆现象的存在,利用sarsa等算法得到的无记忆策略可能发生振荡的现象,研究了一种基于记忆的强化学习算法——CPnsarsa(λ)学习算法来解决该问题.它通过重新定义状态,Agent结合观测历史来识别混淆状态.将CPnsarsa(λ)算法应用到一些典型的POMDP,最后得到的是最优或近似最优策略.与以往算法相比,该算法的收敛速度有了很大提高.

关键词：强化学习部分可观测Markov决策过程 sarsa学习无记忆策略

基于节点生长k-均值聚类算法的强化学习方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2006年第4期43卷 661-666页

作者：陈宗海文锋聂建斌吴晓曙中国科学技术大学自动化系合肥230027

处理连续状态强化学习问题,主要方法有两类:参数化的函数逼近和自适应离散划分.在分析了现有对连续状态空间进行自适应划分方法的优缺点的基础上,提出了一种基于节点生长k均值聚类算法的划分方法,分别给出了在离散动作和连续动作两种情... 详细信息

处理连续状态强化学习问题,主要方法有两类:参数化的函数逼近和自适应离散划分.在分析了现有对连续状态空间进行自适应划分方法的优缺点的基础上,提出了一种基于节点生长k均值聚类算法的划分方法,分别给出了在离散动作和连续动作两种情况下该强化学习方法的算法步骤.在离散动作的MountainCar问题和连续动作的双积分问题上进行仿真实验.实验结果表明,该方法能够根据状态在连续空间的分布,自动调整划分的精度,实现对于连续状态空间的自适应划分,并学习到最佳策略.

关键词：强化学习 k-均值聚类算法 sarsa学习连续状态表示