強(qiáng)化學(xué)習(xí)在機(jī)器人足球比賽中的應(yīng)用.pdf

1、機(jī)器人足球是一個(gè)典型的多智能體系統(tǒng)，作為人工智研究領(lǐng)域新的標(biāo)準(zhǔn)問題，引起越來越多研究者的關(guān)注，而比賽系統(tǒng)中的在線學(xué)習(xí)成為改善比賽效果的主要手段。 因?yàn)閺?qiáng)化學(xué)習(xí)不需要對環(huán)境的先驗(yàn)知識，是通過目標(biāo)與行為之間的交互來實(shí)現(xiàn)的一種具有自適應(yīng)能力的無監(jiān)督機(jī)器學(xué)習(xí)方法，所以強(qiáng)化學(xué)習(xí)適于在機(jī)器人足球這一復(fù)雜動態(tài)系統(tǒng)中應(yīng)用。為了深入研究強(qiáng)化學(xué)習(xí)在特定的復(fù)雜應(yīng)用中的規(guī)律，克服其自身的局限，推進(jìn)機(jī)器人足球技術(shù)的發(fā)展，在系統(tǒng)總結(jié)強(qiáng)化學(xué)習(xí)，特別是Q學(xué)習(xí)的

2、歷史發(fā)展、技術(shù)特點(diǎn)的基礎(chǔ)上，結(jié)合機(jī)器人足球這一典型的多智能體系統(tǒng)，提出了強(qiáng)化學(xué)習(xí)在機(jī)器人足球中應(yīng)用的問題。 本文以湖北省教育廳重大科研項(xiàng)目“基于信息融合的機(jī)器人足球比賽系統(tǒng)開發(fā)”為背景，綜合論述了強(qiáng)化學(xué)習(xí)的基本模型及其實(shí)現(xiàn)的算法，進(jìn)而在比較分析強(qiáng)化學(xué)習(xí)中貪心動作選擇策略和ε-貪心動作選擇策略的基礎(chǔ)上，將模擬退火算法中的Mempolis準(zhǔn)則引入到強(qiáng)化學(xué)習(xí)的動作選取中，提出了一種基于模擬退火的強(qiáng)化學(xué)習(xí)算法，較好的解決了強(qiáng)化學(xué)習(xí)中探索