论文部分内容阅读
在分析马尔可夫决策过程（Markov Decision Process,MDP）性能灵敏度的基础上,讨论了部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process,POMDP）的性能优化问题.给出了POMDP性能灵敏度分析公式,并以此为基础提出了两种基于观测的POMDP优化算法：策略梯度优化算法和策略迭代优化算法.最后以准许控制问题为仿真实例,验证了这两个算法的有效性.