基于神经网络和启发式强化学习的路线搜索

Route searching ;Neural network; Heuristic reinforcement

提出了一种基于RBF网络和启发式Q学习的改进，更强大的RNH-QL方法，用于在较大状态空间中进行路径搜索。首先，如果增加了给定问题的状态空间并且缺少关于环境的先验信息，则解决了强化学习效率低下的问题。其次，作为权重更新规则的RBF网络，奖励整形可以在某些中间状态下向代理提供额外的反馈，这将有助于以更可控的方式将代理引导至目标状态。同时，通过Q学习的过程，底层动态知识可以访问它，而不需要上层RBF网络的背景知识。第三，结合贪婪开发策略训练神经网络，提高了学习效率，实验结果证明了这一点。

文件下载

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

基于神经网络和启发式强化学习的路线搜索

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载