作者:仵博 吴敏部分可观察马尔可夫决策过程后验信念聚类在线规划kl散度分支界限
摘要:在连续状态的部分可观察马尔可夫决策过程中,在线规划无法同时满足高实时性与低误差的要求。为此,提出一种基于后验信念聚类的在线规划算法。使用KL散度分析连续状态下后验信念之间的误差,根据误差分析结果对后验信念进行聚类,利用聚类后验信念计算报酬值,并采用分支界限裁剪方法裁剪后验信念与或树。实验结果表明,该算法能够有效降低求解问题的规模,消除雨复计算,具有较好的实时性和较低的误差。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社