无加权最小二乘技术在随机动态规划中的应用:理论与应用( Applying unweighted least-squares based techniques to stochastic dynamic programming: theory and application )

A Forootani R Iervolino M Tipaldi mathematics computing stochastic processes function approximation Markov processes data analysis probability Big Data resource allocation dynamic programming least squares approximations stochastic dynamic programming automatic control system society square projection approach DP optimisation problem monotonicity properties DP algorithm value function approximation uniform probability distribution unweighted LS sub-problem Markov decision process model resource allocation problem MATLAB based software big data analysis contraction mapping unweighted least-squares based techniques

大数据和维度诅咒是近年来不同领域研究人员研究的常用词汇，例如自动控制系统领域的动态规划(DP)。针对DP优化问题中状态空间较大的问题，提出了一种新的基于无加权采样的最小二乘投影方法。该方法特别考虑了DP算法的压缩映射和单调性。具体地讲，首先用均匀概率分布的方法采集批样本，求解子空间中的一个未加权的LS子问题。以一个新的与资源分配问题相关的马尔可夫决策过程模型为例，对该方法进行了说明并对其有效性进行了评价。值得注意的是，该方法也可用于不同的应用。此外，本文还开发了一个基于MATLAB的软件来实现和检验所提出方法的不同部分。仿真算例通过开发的软件支持了该方法的结果。这个想法也将大数据分析和近似DP的最新进展联系起来。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate ieeexplore.ieee.org 掌桥科研