10.3969/j.issn.1009-0134.2020.03.032
推断网络辅助下的DQN在卷烟制丝过程控制中的实证
针对DQN算法在工业环境维度或动作维度极高的情况下训练速度慢、不易收敛、复用性差的问题,提出了构建等价环境的方法,该方法基于MDP过程构建半增强训练模型,并在输入维度巨大的卷烟制丝过程控制中通过测试.通过分析MP过程,解释了DQN相对Q值学习更加有效的原因,分析了Q值学习本身忽略的环境压缩问题,提出构建环境等价网络的算法.实验表明,在工业环境中,该算法相对DQN明显提高了记忆的使用效率.可预见该算法能够将已完成训练的环境经验应用在新的任务中.同时该算法可推广至动作等价,以简化拥有连续动作或动作维度极高的环境训练问题.
增强学习、马尔科夫决策过程(MDP)、神经网络、深度Q值学习(DQN)、降维
42
TP273(自动化技术及设备)
青岛市科技计划19-8-1-12-XX
2020-04-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
148-151