正則化快速最小二乘時域差分算法的研究

《正則化快速最小二乘時域差分算法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、，＇—Ｉ？＇？？．＇？’－＇－－＇＂一＂文＇．＇．．．，Ｖ－ｆ／？＇．．？．．三－．巧一二■？－＼．這Ｖ巧齊．：－兵汾；：－—－．？、？：氣＇再，丫－－？＇？／＿：＇乂．１＼；錢ｊ單位代碼：００１０‘、．；讀參學號郵顔Ｊ，；：；：＞＾：主夫聲：：握．：＾＾《化今苗竄：：專業(yè)學位羣苗碩±研究生學位論文’、ｌ二題目ＩＩ巧Ｋｉｌ長產(chǎn)睪》）珠武＾４若言．？－．？．．－，．；毛乂

2、－乂，：？備―篡違謗護－＾嚴非一’－？？；．打．？＼，巧Ｐ替專業(yè)捉．／．生寺於屯一－Ｗ．．萬＼：襄研究―如節(jié)．一、＇、－心飛．：ｒ巧帶＇衣容背；巧產(chǎn)吉．％指導教師寺：苗晏．；＇．－‘，一、－￣Ｖ＇Ｖ企業(yè)導師ｇ聲巧—巧襄’＇－＇：＇．．＞－＾：盧－ｊ＾去難球轉(zhuǎn)’祖儀巧＇—＇＾一：，—逼產(chǎn)媒於苗片．－’－－－，《■－、．：－．；．二巧、曰期：ｌ〇?。猓犇晔拢苍唬崳姡В牐В崳姳本┗ご髮W學位論

3、文原創(chuàng)性聲明，本人鄭重聲明；所呈交的學位論文，是本人在導師的指導下獨立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不含任何其他個人或集體己經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體，均已在文中Ｗ明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔。瓜０。告‘１作者簽名：東日期：關(guān)于論文使用巧巧的說明學位論文作者完全了解北京化工大學有關(guān)保留和使用學位論文的規(guī)定，即：研究生在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬北京化工大學。學校有

4、權(quán)保留并向國家有關(guān)部口或機構(gòu)送交論文的復(fù)?。崳娂痛疟P，允許學位論文被査閱和借閱；學校可Ｗ公布學位論文的全部或部分內(nèi)容、縮印或其它復(fù)制手段保存、匯編，可允許采用影印學位論文。□論文暫不公開（或保密）注釋（或；本學位論文屬于暫不公開），在年解密后適用本授權(quán)書。保密范圍＿＿＇ｓ／非暫不公開（或保密）論文注釋：本學位論文不屬于暫不公開（或保密）范圍，適用本授權(quán)書。。作者簽名＾直日期：么化：兮０（６－導師簽名：＾６２：日期學位論文巧巧集中圖分類號ＴＰ２７３學科分類

5、號５１０．８０１０論文編號１００１０２０１６０２７２密級公開學位授予單位代１００１０學位授予單位名稱北京化工大學苗作者姓名李論通學號２０１３２１０２７２獲學位專業(yè)名稱控制工程獲學位專業(yè)代碼０８５２１０國家自然科學基金項巧題來源？研究方向強化學習０論文題目正則化快速巧小二乘時域差分算法的研究＂７＾強化學習．策略評價，正則化，巧量式最小二乘時域差分學習，極關(guān)＾詞限學習機２０－－論文答辯日巧１６０５２６？論文類型基

6、礎(chǔ)研究學化論文評兩義咎辯委員會情巧姓名職稱工作單位學科專長指導教師李大字教授北京化工大學先進控制評巧人Ｉ巧其兵教授北京化工大學先進控制北發(fā)評閱人２馬偉芳教放環(huán)境工程評閱人３評巧人４諸委員會主巧王晶ｍ北京化工大學與巧？診巧答辯委員１巧其兵教巧北京化工大學先進控制答辯委員２王友清教授北京化工大學迭代學習控制答辯委員３化貝克副教授北京化工大學過捏智能仿真答辯委員４黃冉副教投北京化工大學自適拉控制答辯

7、委員５一：：１２３發(fā)巧究４注．論文類型．基礎(chǔ)研究．應(yīng)用研究．開．其它二。．中圖分類號在《中國困書資料分類法》奎巧－玉．學科分類號在中華人民共和國國家標々（姐八１３７４５９）？學科分類與代碼》中奎詢。四四位化成．論文巧號由單位代碼和年份及學號的后。５￡正則化快巧最小二乘時域差分ＩＩ法的研究摘要策略評價與策略改進是強化學習中兩大子問題，其中，策略評價問題也稱為學習預(yù)測問題，為策略改迸Ｗ求得最優(yōu)策略提供基礎(chǔ)。在眾多策略評價算法之中，時域差分學習是強化學習中應(yīng)用最普

8、遍的方法，同時也為求解學習控制問題的方法提供強有力的基礎(chǔ)。正則化是一種能夠?qū)⑾闰炛R加入目標函數(shù)之中，克服值函數(shù)逼近器過擬合樣本的有效方法。該方法通過對基函數(shù)進行選擇，使得值函數(shù)逼近器產(chǎn)生稀疏解。因此，逼近器的結(jié)構(gòu)得到簡化、逼近器的泛化能為得到提升一種能夠在不影響樣本利用率的前。增量式技術(shù)是提下，顯著降低策略評價算法的算法復(fù)雜度的方法。目前這兩種方法在經(jīng)典的時域差分算法中得到了應(yīng)用一二