分层强化学习中的并行自动分层方法研究

摘要：

为加快分层强化学习中任务层次结构的自动生成速度,提出了一种基于多智能体系统的并行自动分层方法,该方法以Sutton提出的Option分层强化学习方法为理论框架,首先由多智能体合作对状态空间进行并行探测并集中聚类产生状态子空间,然后多智能体并行学习生成各子空间上内部策略,最终生成Option.以二维有障碍栅格空间内两点间最短路径规划为任务背景给出了算法并进行了仿真实验和分析,结果表明,并行自动分层方法生成任务层次结构的速度明显快于以往的串行自动分层方法.本文的方法适用于空间探测、路径规划、追逃等类问题领域.

关键词：强化学习、免疫聚类、分层强化学习、并行自动分层、多智能体系统

所属期刊栏目：28

分类号：TP18(自动化基础理论)

资助基金：哈尔滨工程大学校科研和教改项目HEUFT05021;HEUFT05068

在线出版日期：2007-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：422-424