The policy gradient estimation for continuous-time partially observable Markovian decision processes
连续时间部分可观Markov决策过程的策略梯度估计

Keywords: CTPOMDP,policy gradient estimation,conformity,error bound
连续时间部分可观Markov决策过程,策略梯度估计,一致化,误差界

Full-Text   Cite this paper   Add to My Lib

Abstract:

针对连续时间部分可观Markov决策过程(CTPOMDP)的优化问题,本文提出一种策略梯度估计方法. 运用一致化方法,将离散时间部分可观Markov决策过程(DTPOMDP)的梯度估计算法推广到连续时间模型, 研究了算法的收敛性和误差估计问题,并用一个数值例子来说明该算法的应用.

Full-Text