Q-learning強化學習算法改進及其應用研究.pdf

1、由于強化學習不需要教師信號，能在與環(huán)境的交互過程中不斷地完善自己的認知技能，因此對于求解復雜的控制與決策問題具有更廣泛的應用前景。課題選用強化學習算法中經典的Q-Learning算法，并結合不同的控制對象為實驗模型，在已有強化學習算法的基礎上加以改進，將Q-learning算法中的狀態(tài)模糊化。此外結合神經網絡，提出了自己的研究模型和見解。將這些改進應用到走迷宮尋優(yōu)、倒立擺系統(tǒng)控制、中和反應控制及電梯群控器的調度中。主要研究成果包括以下四

2、個方面： 1、介紹一級倒立擺系統(tǒng)。提出了基于Q-learning強化學習算法對倒立擺的控制。由于學習系統(tǒng)僅有4個離散的控制動作，控制精度比較差。鑒于上述缺陷，提出Fuzzy-Q學習實現倒立擺控制，使得控制器的輸出為連續(xù)信號，有效的提高了控制精度。 2、將Q學習和多步Q學習的算法應用到走迷宮路徑尋優(yōu)中，并對Q學習算法的參數進行比較分析。 3、以中和反應控制為例，將強化學習算法滲透到生物、化學工業(yè)學科領域中。為該領域