10.3969/j.issn.1671-654X.2015.05.019
一种用于随机优化的连续动作学习自动机
学习自动机( LA)是一种随机优化技术,其中自动机的目标是从一个允许的动作集里选择最优的动作。现有LA的动作集大多都是有限集,因此对于连续参数学习问题,需要将动作空间离散化,并且解的精度取决于离散化的颗粒度。提出一种新的连续动作学习自动机( CALA),其动作集为一个可变区间,并依照均匀分布选择输出动作。算法通过一种类似提高拟退火的方式确定一个“最新且最好”的动作,并根据该动作对区间的两个端点进行更新。通过优化一个被噪声污损的多模态函数的仿真实验,演示了新算法相对于三种现有的CALA算法的优越性。
强化学习、在线学习、随机优化、学习自动机、连续动作学习自动机
TP183(自动化基础理论)
2015-12-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
73-77