贝叶斯学习与强化学习结合技术的研究

摘要：

强化学习的研究需要解决的重要难点之一是:探索未知的动作和采用已知的最优动作之间的平衡.贝叶斯学习是一种基于已知的概率分布和观察到的数据进行推理,做出最优决策的概率手段.因此,把强化学习和贝叶斯学习相结合,使Agent可以根据已有的经验和新学到的知识来选择采用何种策略:探索未知的动作还是采用已知的最优动作.本文分别介绍了单Agent贝叶斯强化学习方法和多Agent贝叶斯强化学习方法:单Agent贝叶斯强化学习包括贝叶斯Q学习、贝叶斯模型学习以及贝叶斯动态规划等;多Agent贝叶斯强化学习包括贝叶斯模仿模型、贝叶斯协同方法以及在不确定下联合形成的贝叶斯学习等.最后,提出了贝叶斯在强化学习中进一步需要解决的问题.

关键词：贝叶斯学习、强化学习、单Agent、多Agent

所属期刊栏目：33

分类号：TP3(计算技术、计算机技术)

资助基金：中国科学院资助项目60475026;科技部科研项目2002CB312002;江苏省自然科学基金BK2004079

在线出版日期：2006-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：173-177