POMDP基于点的值迭代算法中一种信念选择方法
冯奇
周雪忠
黄厚宽
张小平
1.北京交通大学计算机与信息技术学院,北京,1000442.北京交通大学计算机与信息技术学院,北京,1000443.北京交通大学计算机与信息技术学院,北京,1000444.北京交通大学计算机与信息技术学院,北京,100044
摘要：部分可观察马尔可夫决策过程(POMDP)是描述不确定环境下进行决策的数学模型.基于点的值迭代算法是求解POMDP问题的一类近似解法.针对基于点的算法中信念选择这一关键问题,提出了一种基于熵的信念选择方法(EBBS).EBBS算法通过计算可以转移到的信念点的不确定性,选择熵较小且到当前信念点集距离大于一定阈值的信念点扩充信念点集合.实验结果表明,通过熵选择信念点的值迭代算法只需要在较少数量的信念点上进行值迭代操作就能得到预期的折扣报酬.
关键词：POMDP值迭代基于点的算法信念选择不确定性
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(90709006)国家重点基础研究发展计划（973计划）(973;2006CB504601)北京市科委重大计划项目(H020920010130)国家科技支撑计划(2007BA110806-01)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 77-80 )
英文信息