连续状态自适应离散化基于K-均值聚类的强化学习方法
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CMAC 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.
文件下载
评论信息
其他资源
- Principles of Mathematical Analysis (带书签目录-清晰版)
- 标记分水岭分割算法的matlab实现
- 一个简易版的新闻应用
- jsp+mysql实现增删改查的简单例子
- 小程序通过Code换取OpenId(后台为Java)
- 基于敏感权限及其函数调用图的Android恶意代码检测
- 微信H5支付 java详细版
- Qt魔方还原lesson5-opencv识别颜色
- apache-maven-3.3.9.zip
- 数据结构程序设计树.cpp
- api-ms-win-core-console-l1-1-0.dll
- vue.js-starter-template：Vue.js项目的入门模板-源码
- Repack_zip repacked的算法，可以用于ksw00
- OCaml from the Very Beginning
- windows游戏编程大师技巧-Dx7sdk
- mp算法matlab代码
- SARscape5.4练习卫星数据资源
- VRML虚拟现实应用技术（11679） 源程序 rar
- 温度检测控制报警程序
- MinGW-5.1.6.exe
- 高等数学（工专）
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