10.3321/j.issn:0372-2112.2006.07.035
不确定性环境下基于进化算法的强化学习
不确定性和隐状态是目前强化学习所要面对的重要难题.本文提出了一种新的算法MA-Qlearning算法来求解带有这种不确定性的POMDP问题近似最优策略.利用Memetic算法来进化策略,而Q学习算法得到预测奖励来指出进化策略的适应度值.针对隐状态问题,通过记忆agent最近经历的确定性的有限步历史信息,与表示所有可能状态上的概率分布的信度状态相结合,共同决策当前的最优策略.利用一种混合搜索方法来提高搜索效率,其中调整因子被用于保持种群的多样性,并且指导组合式交叉操作与变异操作.在POMDP的Benchmark实例上的实验结果证明本文提出的算法性能优于其他的POMDP近似算法.
部分可观察马尔可夫决策过程、Q学习、Memetic算法、信度状态、隐状态
34
TP319(计算技术、计算机技术)
国家高技术研究发展计划863计划2002AA735041
2006-08-24（万方平台首次上网日期，不代表论文的发表时间）
共5页
1356-1360
