10.13700/j.bh.1001-5965.2014.0076
基于约束边长FART-Q的智能决策算法
针对模糊自适应共振理论(ART)应用于智能决策时存在的问题,提出了约束边长的模糊ART算法.将有边长约束的模糊ART与Q学习结合,构建了约束边长FART-Q(Fuzzy ART-Q learning)智能决策网络.传统的模糊ART只根据输入向量与权值向量的模糊相似度进行分类,在用于智能决策中的状态分类时,不能考虑状态变量的物理含义,存在分类不合理的问题.针对这一问题,提出了对模糊ART的共振条件加入边长约束的改进算法,使得分类时可根据状态变量的物理含义确定分类的边长约束,同时能够减少分类数量.雷区导航仿真实验表明,约束边长FART-Q能快速做出合理决策.改进的模糊ART算法能够使分类更为合理,既能提高决策的成功率,又可以减小决策的运算时间.
人工神经网络、自适应共振理论、模糊集理论、Q学习、智能决策
41
TP183(自动化基础理论)
2017-01-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
96-101