动态环境下数据驱动Q-学习算法

摘要：

针对动态环境下强化学习对未知动作的探索和已知最优动作的利用之间难以平衡的问题,提出了一种数据驱动Q-学习算法.该算法首先构建智能体的行为信息系统,通过行为信息系统知识的不确定性建立环境触发机制;依据跟踪环境变化的动态信息,触发机制自适应控制对新环境的探索,使算法对未知动作的探索和已知最优动作的利用达到平衡.用于动态环境下迷宫导航问题的仿真结果表明,该算法达到目标的平均步长比Q-学习算法、模拟退火Q-学习算法和基于探测刷新Q-学习算法缩短了7.79%～84.7%.

关键词：强化学习、数据驱动、Q-学习、不确定性

所属期刊栏目：44

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60573068,60773113;重庆市自然科学基金资助项目2008BA2017

在线出版日期：2010-03-22（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：877-881