论文部分内容阅读
基于性能势理论和等价Markov过程方法，研究了一类半Markov决策过程（SMDP）在参数化随机平稳策略下的仿真优化算法，并简要分析了算法的收敛性．通过SMDP的等价Markov过程，定义了一个一致化Markov链，然后根据该一致化Markov链的单个样本轨道来估计SMDP的平均代价性能指标关于策略参数的梯度，以寻找最优（或次优）策略．文中给出的算法是利用神经元网络来逼近参数化随机平稳策略，以节省计算机内存，避免了“维数灾”问题，适合于解决大状态空间系统的性能优化问题．最后给出了一个仿真实例来说明算法的