蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

論文簡介

近年來，在供應(yīng)鏈管理、制造業(yè)和機器人控制等各個領(lǐng)域出現(xiàn)了大規(guī)模決策問題。通常，這些問題的挑戰(zhàn)在于在大的動作空間中識別最優(yōu)動作，這對于大多數(shù)傳統(tǒng)的基于解搜索的方法來說是難以計算的。作為一種基于仿真的算法，蒙特卡羅樹搜索(MCTS)因其在計成本可控的情況下的漸進最優(yōu)性而越來越受到人們的歡迎。

在此基礎(chǔ)上，AlphaGo的成功引發(fā)了一種新的趨勢，即在MCTS中加入用神經(jīng)網(wǎng)絡(luò) (Neural Networks, NN) 構(gòu)建的價值網(wǎng)絡(luò)和策略網(wǎng)絡(luò) (NN-MCTS)。

NN-MCTS

此論文創(chuàng)新性地將多排序選擇（R&S）問題框架引入MCTS，提出漸進最優(yōu)樹分配策略（AOAT），顯著提升了搜索效率與決策準(zhǔn)確性。AOAT有效地分配有限的搜索資源，以最大化正確選擇最佳動作的概率。NN-MCTS中的價值網(wǎng)絡(luò)和策略網(wǎng)絡(luò)分別通過提供先驗知識和指導(dǎo)最終動作的選擇提高AOAT策略的性能。在兩個棋盤游戲和OpenAI任務(wù)上的數(shù)值實驗表明，該方法優(yōu)于AlphaGo Zero和MuZero中廣泛使用的UCT策略。此外，此研究同時反映了將R&S方法應(yīng)用于NN-MCTS中實現(xiàn)節(jié)點選擇的潛力，進而為開發(fā)更高效的基于搜索的強化學(xué)習(xí)算法提供了新的思路和方向。

在井字棋下的實驗結(jié)果：

基于AOAT的節(jié)點選擇策略優(yōu)于UCT

在五子棋下的實驗結(jié)果

在強化學(xué)習(xí)任務(wù)CartPole下的實驗結(jié)果

這項研究揭示了將動態(tài)仿真資源分配策略擴展為MCTS中節(jié)點選擇策略的潛力，該研究得到國家自然科學(xué)基金杰出青年科學(xué)基金、原創(chuàng)探索項目的資助。應(yīng)用這種新的蒙特卡洛樹搜索方法來解決大規(guī)模決策問題值得進一步深入研究。

教授簡介

彭一杰，北京大學(xué)光華管理學(xué)院副教授，博士生導(dǎo)師。北京大學(xué)人工智能研究院、國家健康醫(yī)療大數(shù)據(jù)研究院兼職研究員。本科畢業(yè)于武漢大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院，從復(fù)旦大學(xué)管理學(xué)院獲博士學(xué)位。在美國馬里蘭大學(xué)和喬治梅森大學(xué)分別從事過博士后與助理教授工作。主要研究方向包括仿真建模與優(yōu)化、金融工程與風(fēng)險管理、人工智能、健康醫(yī)療等。主持國家自然科學(xué)基金委優(yōu)秀青年科學(xué)基金、原創(chuàng)探索計劃、杰出青年科學(xué)基金等。在Operations Research，INFORMS Journal on Computing和IEEE Transactions on Automatic Control等高質(zhì)量期刊上發(fā)表學(xué)術(shù)論文，曾獲INFORMS Outstanding Simulation Publication Award。目前擔(dān)任Asia-Pacific Journal of Operational Research副主編、《系統(tǒng)管理學(xué)報》領(lǐng)域主編，全國工業(yè)統(tǒng)計學(xué)教學(xué)研究會金融科技與大數(shù)據(jù)分會副理事長，北京運籌學(xué)會副秘書長，中國運籌學(xué)會金融工程與金融風(fēng)險管理分會常務(wù)理事，管理科學(xué)與工程協(xié)會理事。