值函数

摘要： 研究一类常微分方程支配的时间不一致控制问题。对时间区间离散化,构造序列最优控制问题,获得相应的序列值函数,并证明了值函数序列收敛于相应最优控制问题的值函数。

摘要： 最优分红问题是金融保险领域中受到广泛关注的问题之一,本文研究总结了最优分红问题中的经典贡献和进展。讨论了研究中使用的数学方法和在不同模型下遇到的困难。最后,给出了这一领域中的待解问题。

摘要： 本文基于椭球积分考察了具有随机扰动的集群控制问题。通过HJB方程计算值函数,并建立数值方法得到集群的最优控制。主要结论可用于处理集群在风场、信号场等现实场景的运动控制问题。

摘要： 为了更好地处理公司破产重组条款对于最优红利分配策略的影响,在公司资产盈余演化过程服从布朗运动模型条件下,基于自我协商破产重组模式,采用随机控制的理论和方法,建构具有正的破产边界下公司最优红利分配问题的数学模型。通过动态规划原理,获得了数学模型中值函数所满足的H问题(HJB方程和定解条件),并利用微分方程方法,得出H问题解的解析表达式。最后,运用It8公式和鞅的性质,证明了H问题的解就是值函数的解,并提出了公司红利分配的最优策略。

摘要： 针对岛礁守备作战过程中涉及的对海、对陆、对空3类武器,根据岛礁守备作战过程建立模型,提出一种动态动作空间方法。设置敌方武器装备、预设阵地、防守要地3类影响因素,利用不同的基于值函数的强化学习算法进行测试,通过测试能得到各武器装备最佳位置并判断预设阵地是否合理,通过比较可看出算法间各有优劣,适合的环境各不相同。结果表明:该方法能够运用于不同的环境,减少时空开销,提高岛礁守备决策的效率,有助于策略改进。

摘要： 在经典风险模型的基础上,考虑带有指数罚金函数的最优分红策略.当索赔额服从指数分布时,利用动态规划原理建立了值函数的Hamilton-Jacobi-Bellman(HJB)方程,推导出值函数的表达式并得到了相应的最优策略.最后给出一个数值算例讨论参数对值函数和最优策略的影响.

摘要： 因网约车订单派送不合理,导致资源利用率和出行效率降低。基于联合Q值函数分解的框架,提出两种订单派送方法ODDRL和LF-ODDRL,高效地将用户订单请求派送给合适的网约车司机,尽可能缩短乘客等待时间。为捕获网约车订单派送场景中随机需求与供应动态变化关系,把城市定义为一张四边形网格的地图,将每辆车视为一个独立的智能体,构建多智能体马尔可夫决策过程模型,通过最大化熵与累计奖励训练智能体。将多智能体的联合Q值函数转化为易分解函数,使联合Q值函数与单个智能体值函数中的动作具有一致性,同时设计动作搜索函数,结合集中训练、分散执行策略的优点,让每辆车以分布式的方式解决订单匹配问题,而不需要与其他车辆进行协调,从而降低复杂性。实验结果表明,相比Random、Greedy、QMIX等方法,所提ODDRL和LF-ODDRL具有较优的扩展性,其中,在500×500网格上,当乘客数为10、车辆数为2时,相对于QMIX方法接送乘客所产生的总时间分别缩短5%和12%。

摘要： 本文研究离散模型下带有分红交易费和税的最优分红问题.在分红率有界的条件下,通过更新初始时间得到最优值函数并证明最优值函数为Hamilton-Jacobi-Bellman方程的唯一有界解.另外,我们通过解HJB方程获得最优映像函数的近似解.

摘要： 本文考虑的是支付破产时刻赤字的复合泊松模型中的分红问题，正如Dickson，waters(2004)理解的一样，股东应该有义务去支付破产时刻的赤字，因此，在带约束的分红策略下，本文要最大化直到破产时的累计折现分红与在破产时刻的折现赤字差的数学期望，且找出了最优分红策略。并且当索赔分布是指数分布时，得到了值函数V(x)精确解。

摘要： 该文讨论一类单周期二模式预，决策模型（其特例是newsvendor问题）。在建立一般模型之后，作者就一些特例研究了值函数的一些性质，给出了求解最优定货策略的算法。

摘要： 一种被配置成计算关于函数‑输入值（w）的数据函数（f）的计算设备，所述设备包括存储被配置用于所述数据函数（f）的第一表格网络的电子存储装置，所述计算设备包括耦合至所述存储装置并且被配置成获取用于所述第一表格网络的多个第一表格输入的电子处理器，所述多个第一表格输入 (x=E(w,s))包括所述函数‑输入值（w），并且所述电子处理器被配置成通过向所述多个第一表格输入（x）应用所述第一表格网络以产生多个第一表格输出 (u=E(f(w),g(w,s))来计算所述数据函数（f），所述多个第一表格输出（u）包括函数‑输出值(f(w))，所述函数‑输出值(f(w))对应于向所述函数‑输入值（w）应用所述数据函数(f)的结果，所述电子存储装置还存储第二表格网络，所述第二表格网络被配置成与所述第一表格网络合作以反击针对所述第一表格网络做出的修改，所述电子处理器被配置成获取用于所述第二表格网络的多个第二表格输入，所述第二表格输入包括所述多个第一表格输出（u）和所述多个第一表格输入（w;s）中的至少一个，并且所述电子处理器被配置成向所述多个第二表格输入应用所述第二表格网络，所述第二表格网络被配置成针对所述多个第一表格输出中的至少具体的一个 (f(w) 或g(w,s))验证未修改的第一表格网络是否能够从所述多个第一表格输入（w;s）中的给定的至少一个获取所述多个第一表格输出 (f(w)；g(w,s))中的所述具体的一个，所述第二表格网络产生包括被保护的函数输出(w’)的第二表格输出 (v=E(w’,s’))，在所述验证是成功的情形中所述被保护的函数输出等于所述函数输出(f(w))，以及在所述验证是不成功的情形中，所述被保护的函数输出(w’)不等于所述函数输出。

摘要： 一种用于估计从接收信号导出的相关函数的局部最大值或最小值的参数的方法和系统。确定内插的局部最大值或最小值。然后导出内插偏移，包括所述函数的内插的以及采样的局部最大值或最小值的位置间的偏移。从内插偏移中导出参数估计。

摘要： 本发明公开了一种基于反余弦函数与幂函数变换与背景值组合优化的灰色预测模型方法，包括如下步骤：步骤一，生成原始数据序列；步骤二，预处理初始序列；步骤三，将预处理后的序列进行反余弦函数与幂函数组合变换；步骤四，生成一次累加序列；步骤五，基于穷举法构造背景值，进行灰色预测；步骤六，确定响应函数；步骤七，还原预测值；步骤八，计算相对误差；步骤九，选出最小的相对误差值；本发明能够有效的提高了初始序列的光滑度，适应各种数据变化类型；计算过程简单；误差低，有效的提高模型的预测精度。

摘要： 一种用于估计从接收信号导出的相关函数的局部最大值或最小值的参数的方法和系统。确定内插的局部最大值或最小值。然后导出内插偏移，包括所述函数的内插的以及采样的局部最大值或最小值的位置间的偏移。从内插偏移中导出参数估计。

摘要： 本发明公开了一种基于忆阻器的三值加法器函数实现方法，选取具有电致电阻转变和非易失性的忆阻器，根据忆阻器的阻值设定忆阻器的三个阻态，定义忆阻器的输入、输出以及写操作后忆阻器的输出，并采用半导体参数分析测试仪中分别对忆阻器施加正向扫描电压和负向扫描电压获取忆阻器阻态转换的阈值电压Vth1和Vth2，进而确定忆阻器的输入的脉宽50毫秒的脉冲电压的幅值大小V1、V2以及恒定直流电压Vbase，然后在硬件平台处于测试阶段时，初始化忆阻器到相应阻态后，进行阻态调控，最后使硬件电路平台处于采集阶段后读取电流值，实现该三值加法器函数的输出；优点是具有较小的电路面积，较低的电路功耗，较高的运行速度，能够提高处理器芯片性能及计算效率。

摘要： 本申请公开了一种基于模极大值降噪评估的小波基函数选择方法及系统，确定需要进行小波基选择的信号集合，分别利用一阶、二阶和三阶高斯函数导数作为小波基函数对所述信号集合中的信号进行降噪处理；根据处理后的信号波形曲线和频谱分析图确定第一信号的小波基函数。基于小波系数模极大值评估的降噪算法可以显著保留原始信号中的奇异成分，并剔除掉噪声部分。由于具有不同消失矩的小波基函数可以识别出不同类型的奇异点，因此可以通过综合对比分析采用不同消失矩的小波基函数降噪后信号的波形变化、对应的频谱曲线和信噪比结果，来判断哪一种小波基函数能够更加全面的提取对应信号的奇异性信息。

摘要： 针对高度并行的网络设备和频繁的数据交换使通信开销过大的问题，本发明提出了一种基于信誉值和可验证随机函数的改进实用拜占庭容错算法。可验证随机函数对参与节点进行初步选择，实现减少共识过程节点参与数量的目标。同时，筛选过程考虑节点的信誉值，从而保证所选节点的可靠性。本发明针对传统PBFT算法中恶意节点或低可信度节点与其他节点拥有相同的被选概率，且共识算法缺少对节点可信程度的评估过程，使得节点过程存在安全漏洞等问题，提出了基于节点行为的信誉评估机制。从多维度考虑节点的行为和角色，建立基于节点行为的共识节点信誉值评估机制，同时建立基于节点信誉值的不可信节点剔除机制，进一步保障共识过程的可靠性。

摘要： 本实用新型公开一种函数最大值、最小值演示器，其结构特征是在底板上，作有平面直角坐标系xOy，以坐标原点为圆心，画有单位圆，并在底板单位圆面外打上长度单位的小孔，条杆三分之一处焊接一根旋转棒，旋转棒塞入小孔中，条杆三分之二处与单位圆相交、或相切。本实用新型具有动态特征，能直观、生动地显示出斜率随倾角变化情况，教师在教学过程中利用该仪器演示，学生易于理解，起到事半功倍的效果，提高了课堂教学效果。

摘要： 本申请公开了一种基于值函数可信度的多智能体强化学习方法及相关装置，方法包括基于各智能体的观测值确定各智能体的势能函数；基于各势能函数确定局部值函数及候选全局值函数；基于全局环境信息、局部值函数及候选全局值函数确定若干信誉值；基于各局部值函数、候选全局值函数及信誉值确定全局值函数；基于全局值函数及各智能体的势能函数，利用集中训练分布机制训练多智能体。本申请通过确定若干局部值函数可以学习到各智能体的局部环境信息，再结合若干局部值函数形成全局值函数可以提高全局值函数的精准性，提高多智能体强化学习的收敛速度。同时，在计算全局值函数时为各局部值函数配置信誉度，提高多智能体强化学习的学习效率以及鲁棒性。

摘要： 一种值函数快速收敛的智能体高效全局探索方法及系统，所述方法在于：基于矫正局部奖励和全局奖励协同构成的扩展奖励以给予无人机更明确的训练目标，并采用通用价值函数逼近器，使无人机在整个训练过程中保持对环境的探索并通过全局奖励调制矫正局部奖励以捕捉全局相关性。最终，使得无人机智能体训练效率高且最终可以习得最优作战策略。本发明通过引进矫正局部奖励，使得无人机在整个训练过程中一直保持探索，矫正局部奖励也会始终调控扩展奖励，使得无人机不会提前收敛到次优策略，保证无人机学会最优策略；将不同情节间的观察信息访问情况关联起来，从而能够使得无人机更多的去访问在整个训练过程中和情节过程中没有被访问过的观察信息。