基于模糊聚類的分層強化學習方法研究.pdf

1、強化學習是一種重要的機器學習方法，不需要建立環(huán)境模型，而是通過不斷試錯，與環(huán)境交互獲得知識，改進動作策略，具有良好的自學習和在線學習能力。然而，在具有大狀態(tài)空間的應用領域，強化學習一直被維數(shù)災難問題所困擾。分層強化學習引入抽象機制實現(xiàn)狀態(tài)空間降維，將強化學習任務分解到抽象內部和抽象間的不同層次上分別實現(xiàn)，從而每層上的學習任務僅需在低維空間中進行，是解決維數(shù)災難問題一種有效方法，有著廣泛的應用前景。 分層強化學習方法中的層次結構可

2、以由設計者根據(jù)專家知識事先確定，也可以自動生成。由于在復雜環(huán)境或者未知環(huán)境內學習時，任務層次結構很難事先確定，因此有效的自動分層方法一直是近幾年的研究熱點。本文主要對以下幾個方面進行了研究和探討： 首先，介紹了分層強化學習方法的研究進展，接著對強化學習和分層強化學習的相關理論進行了深入研究，并比較了各種方法的優(yōu)缺點。 其次，研究了模糊聚類方法，針對強化學習任務的特點，提出了一種改進的基于遺傳算法的模糊聚類方法。