分布式強(qiáng)化學(xué)習(xí)理論及在多機(jī)器人中的應(yīng)用研究.pdf

1、本文對(duì)分布式強(qiáng)化學(xué)習(xí)理論進(jìn)行了系統(tǒng)地研究,并對(duì)其存在的部分問題提出了初步的解決辦法.系統(tǒng)地介紹了強(qiáng)化學(xué)習(xí)的基本原理、體系結(jié)構(gòu)和主要算法,研究了各種研究了分布式強(qiáng)化學(xué)習(xí)系統(tǒng)的體系結(jié)構(gòu)和主要算法,并根據(jù)體系結(jié)構(gòu)的差異將其分為四類.介紹了這四類分布式強(qiáng)化學(xué)習(xí)系統(tǒng)的體系結(jié)構(gòu),形式化研究了分布式強(qiáng)化學(xué)習(xí)系統(tǒng)的結(jié)構(gòu)信度分配方法.針對(duì)目前僅有的兩種結(jié)構(gòu)信度分配方法顯失公平、不能真正體現(xiàn)智能體貢獻(xiàn)大小的現(xiàn)象,提出了一種通過比較智能體動(dòng)作的變化來分配信度

2、的非線形規(guī)劃方案,并通過對(duì)計(jì)算過程的分解獲得了可行的結(jié)構(gòu)信度分配算法,然后根據(jù)強(qiáng)化學(xué)習(xí)是一種增量式學(xué)習(xí)的特點(diǎn)將此算法修訂為增量式的結(jié)構(gòu)信度分配算法.研究了獨(dú)立強(qiáng)化學(xué)習(xí)系統(tǒng)內(nèi)的信息共享方式,規(guī)范化了幾種主要信息共提出了基于有色軌道理論和基于狀態(tài)分量重要性的兩種狀態(tài)空間劃分方法,這兩種方法可以壓縮獨(dú)立強(qiáng)化學(xué)習(xí)系統(tǒng)的學(xué)習(xí)空間,加快學(xué)習(xí)速度.針對(duì)群體強(qiáng)化學(xué)習(xí)系統(tǒng)的學(xué)習(xí)空間隨著智能體個(gè)數(shù)的增加而指數(shù)級(jí)膨脹的問題,提出了一種基于預(yù)測(cè)的群體強(qiáng)化學(xué)習(xí)算