论文研究-基于强化学习的无人坦克对战仿真研究.pdf
对标准的强化学习进行改进，通过引入动机层，来引入先验知识，加快学习速度。策略迭代选择上，通过采用“同策略”迭代的Sarsa学习算法，代替传统的“异策略”Q学习算法。提出了基于多动机引导的Sarsa学习（MMSarsa）算法，分别和Q学习算法、Sarsa学习算法在坦克对战仿真问题上进行了三种算法的对比实验。实验结果表明，基于多动机引导的Sarsa学习算法收敛速度快且学习效率高。
文件下载
评论信息
其他资源
- 机械原理MATLAB辅助分析
- Genesis2000 C#可外部调试接口
- spring boot 房屋租赁系统.rar
- 线程安全型队列的实现
- java课设_打字练习AWT版
- JavaScript开发webgis库源码
- 梯形加减速.rar
- HCSR501的电路图
- Android解决多个Fragment切换时布局重新实例化问题，并保存当前fragment页面，系统回收后还原之前fragment页面，内附源码及apk
- 基于RFID技术的物联网研究
- TOGAF 9 Reference-Models.pptx
- 中控门禁pullSdk Java demo
- MATLAB工具箱大全-经济最优化工具箱CompEcon
- Java简介和简单使用.docx
- 东芝PLC指令手册（SFC篇）.pdf
- 世界地图js中文版 最新，希望可以帮助大家
- openssl生成的out32dll文件
- fluent安装证书
- 医院网站软件
- OpenGL星星公转自转实例
- Fiddler插件Watcher
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
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