基于点的FO-POMDP值迭代方法研究

摘要：

在部分可观测马尔可夫决策过程(POMDP)的基础上，给出一阶部分可观测马尔科夫决策过程(FO-POMDP)，用一阶逻辑的情景演算结构表达POMDP。对FO-POMDP模型中状态的抽象层次进行刻画，提出状态粒度、信念状态粒度的概念。采用粒度归结方法，将信念状态的粒度归结到某一确定粒度下，运用确定粒度下的信念点距离度量方法，将基于点的价值迭代(PBVI)扩展到逻辑抽象层面提出一阶PBVI(FO-PBVI)。实验结果证明，该算法的求解速度较快，求解质量较好。

关键词：部分可观测马尔科夫决策过程、状态空间、信念状态、粒度归结、基于点的值迭代

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目71071160

在线出版日期：2013-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：217-220