基于部分可观测马尔可夫决策过程的引导式学习方法

摘要

一种基于部分可观察马尔科夫决策过程的引导式学习方法，方法具体为：当训练次数t＝1时，设置训练N个用户的总训练样本为M，初始化N个用户训练样本的概率分布pt，N个用户的训练得分ot，N个用户的累计值Qt；根据pt的概率分布形成N个用户的训练样本，对N个用户进行训练，训练完成后，测试训练效果，得到N个用户的训练得分ot。如果满足N个用户的训练成绩要求，或者训练次数t达到预定值T，就结束算法，否则继续下一步；用ot减去ot‑1得到N个用户的变动值Rt；利用指数加权移动平均方法，根据Rt去更新N个用户的累计值Qt；根据累计值Qt获取累计值最大的用户，并根据优先级用户，生成N个用户训练样本的概率分布pt+1。本发明有效解决传统引导式学习方式存在的问题。