1) Hierarchical RL
递阶再励学习
2) reinforcement learning
再励学习
1.
Heuristic reinforcement learning for symmetric and asymmetric multi-agent systems;
对称和非对称的启发式多Agent再励学习方法
2.
Fighter safe landing lateral-directional control based on reinforcement learning;
基于再励学习的歼击机安全着陆横侧向协调控制
3.
Design of the controller based on reinforcement learning and its application on truck backer-upper;
基于模糊神经网络再励学习控制器设计及其在倒车模型中的应用
3) Reinforcing learnig
再励厉学习
4) reinforcement learning control
再励学习控制
1.
A new intelligent optimized dispatching method is proposed, and reinforcement learning control is applied in elevator group control system, in which CMAC neural network based on traffic pattern recognition is designed as the controller, in order to optimize the passengers’ average waiting time.
提出一种新的智能优化调度方法,将再励学习控制运用到电梯群控系统中,采用基于交通模式识别的小脑模型神经网络作为控制器,以乘客平均候梯时间最短为控制目标设计出电梯群控系统的控制方案。
5) associative reinforcement learning
联想再励学习
6) hierarchical reinforcement learning
递阶强化学习
1.
Multiagent AGV dispatching system based on hierarchical reinforcement learning;
基于递阶强化学习的多智能体AGV调度系统
补充资料：大系统递阶控制
分子式：
CAS号：
性质：从设计角度讲是指以分解-协调原理对动态大系统实行多级优化。它将整体大规模优化问题通过参数分解或结构分解转化为一些相互关联的子问题。上级子问题通过协调变量规定下级子问题的内容，使之成为易于求解的简单问题或小规模问题，解得的结果反馈到上级子问题中，按一定的准则改进协调变量，如此反复迭代，最后趋于整体优化。从实施角度讲是指采用局部控制器和全局控制器对动态大系统实行多级控制。在更广泛的意义上，则是指对大系统实现从基础控制、多变量优化控制、稳态优化、作业调度到生产计划与管理的多级控制与管理系统。
CAS号：
性质：从设计角度讲是指以分解-协调原理对动态大系统实行多级优化。它将整体大规模优化问题通过参数分解或结构分解转化为一些相互关联的子问题。上级子问题通过协调变量规定下级子问题的内容，使之成为易于求解的简单问题或小规模问题，解得的结果反馈到上级子问题中，按一定的准则改进协调变量，如此反复迭代，最后趋于整体优化。从实施角度讲是指采用局部控制器和全局控制器对动态大系统实行多级控制。在更广泛的意义上，则是指对大系统实现从基础控制、多变量优化控制、稳态优化、作业调度到生产计划与管理的多级控制与管理系统。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条