论文部分内容阅读
部分可观察马尔可夫决策过程（partially observable Markov decision processes，简称POMDPs）是动态不确定环境下序贯决策的理想模型，但是现有离线算法陷入信念状态“维数灾”和“历史灾”问题，而现有在线算法无法同时满足低误差与高实时性的要求，造成理想的POMDPs模型无法在实际工程中得到应用．对此，提出一种基于点的POMDPs在线值迭代算法（point-based online valueiteration，简称PBOVI）．该算法在给定的可达信念状态点上进行更新