مقاله یادگیری سیاست سریع برای تنظیم کننده درجه دوم خطی با تنظیم آنتروپی
| عنوان مقاله به انگلیسی | Fast Policy Learning for Linear Quadratic Regulator with Entropy Regularization |
| عنوان مقاله به فارسی | مقاله یادگیری سیاست سریع برای تنظیم کننده درجه دوم خطی با تنظیم آنتروپی |
| نویسندگان | Xin Guo, Xinyu Li, Renyuan Xu |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 33 |
| دسته بندی موضوعات | Optimization and Control,Machine Learning,بهینه سازی و کنترل , یادگیری ماشین , |
| توضیحات | Submitted 23 November, 2023; originally announced November 2023. , Comments: 33 pages, 3 figures |
| توضیحات به فارسی | ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: 33 صفحه ، 3 شکل |
چکیده
This paper proposes and analyzes two new policy learning methods: regularized policy gradient (RPG) and iterative policy optimization (IPO), for a class of discounted linear-quadratic regulator (LQR) problems over an infinite time horizon with entropy regularization. Assuming access to the exact policy evaluation, both proposed approaches are proved to converge linearly in finding optimal policies of the regularized LQR. Moreover, the IPO method can achieve a super-linear convergence rate once it enters a local region around the optimal policy. Finally, when the optimal policy from a well-understood environment in an RL problem is appropriately transferred as the initial policy to an RL problem with an unknown environment, the IPO method is shown to enable a super-linear convergence rate if the latter is sufficiently close to the former. The performances of these proposed algorithms are supported by numerical examples.
چکیده به فارسی (ترجمه ماشینی)
این مقاله دو روش جدید یادگیری سیاست را پیشنهاد و تجزیه و تحلیل می کند: شیب خط مشی منظم (RPG) و بهینه سازی سیاست تکراری (IPO) ، برای یک کلاس از مشکلات تنظیم کننده خطی-خطی تخفیف (LQR) در یک افق زمانی نامتناهی با تنظیم آنتروپی.با فرض دسترسی به ارزیابی دقیق سیاست ، هر دو رویکرد پیشنهادی به طور خطی در یافتن سیاست های بهینه LQR منظم همگرا می شوند.علاوه بر این ، روش IPO می تواند پس از ورود به یک منطقه محلی در اطراف خط مشی بهینه ، به یک نرخ همگرایی فوق العاده خطی برسد.سرانجام ، هنگامی که خط مشی بهینه از یک محیط درک شده در یک مشکل RL به طور مناسب به عنوان خط مشی اولیه به یک مشکل RL با یک محیط ناشناخته منتقل می شود ، روش IPO نشان داده می شود که اگر دومی به اندازه کافی باشد ، نرخ همگرایی فوق العاده خطی را فعال می کند.نزدیک به سابق.عملکرد این الگوریتم های پیشنهادی توسط نمونه های عددی پشتیبانی می شود.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.