Q-learning強化學(xué)習(xí)算法改進及其應(yīng)用研究.pdf

1、由于強化學(xué)習(xí)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(rèn)知技能，因此對于求解復(fù)雜的控制與決策問題具有更廣泛的應(yīng)用前景。課題選用強化學(xué)習(xí)算法中經(jīng)典的Q-Learning算法，并結(jié)合不同的控制對象為實驗?zāi)Ｐ?，在已有強化學(xué)習(xí)算法的基礎(chǔ)上加以改進，將Q-learning算法中的狀態(tài)模糊化。此外結(jié)合神經(jīng)網(wǎng)絡(luò)，提出了自己的研究模型和見解。將這些改進應(yīng)用到走迷宮尋優(yōu)、倒立擺系統(tǒng)控制、中和反應(yīng)控制及電梯群控器的調(diào)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(xué)習(xí)算法對倒立擺的控制。由于學(xué)習(xí)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(xué)習(xí)實現(xiàn)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(xué)習(xí)和多步Q學(xué)習(xí)的算法應(yīng)用到走迷宮路徑尋優(yōu)中，并對Q學(xué)習(xí)算法的參數(shù)進行比較分析。 3、以中和反應(yīng)控制為例，將強化學(xué)習(xí)算法滲透到生物、化學(xué)工業(yè)學(xué)科領(lǐng)域中。為該領(lǐng)域