典型文献
基于多动作并行异步深度确定性策略梯度的选矿运行指标决策方法
文献摘要：
为了解决深度确定性策略梯度算法探索能力不足的问题,提出一种多动作并行异步深度确定性策略梯度(MPADDPG)算法,并用于选矿运行指标强化学习决策.该算法使用多个actor网络,进行不同的初始化和训练,不同程度地提升了探索能力,同时通过扩展具有确定性策略梯度结构的评论家体系,揭示了探索与利用之间的关系.该算法使用多个DDPG代替单一DDPG,可以减轻一个DDPG性能不佳的影响,提高学习稳定性;同时通过使用并行异步结构,提高数据利用效率,加快了网络收敛速度;最后,actor通过影响critic的更新而得到更好的策略梯度.通过选矿过程运行指标决策的实验结果验证了所提出算法的有效性.
文献关键词：
选矿;运行指标;决策;多动作;并行异步;深度确定性策略梯度
中图分类号：
作者姓名：
李悄然;丁进良
作者机构：
东北大学流程工业综合自动化国家重点实验室,沈阳110004
文献出处：
引用格式：
[1]李悄然;丁进良-.基于多动作并行异步深度确定性策略梯度的选矿运行指标决策方法)[J].控制与决策,2022(08):1989-1996
A类：
并行异步,MPADDPG
B类：
多动作,选矿,运行指标,决策方法,深度确定性策略梯度算法,探索能力,强化学习,actor,初始化,梯度结构,评论家,探索与利用,数据利用,网络收敛速度,critic
AB值：
0.181519
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
