文献类型：期刊文章

作　　者：刘智斌[1] 曾晓勤[1]

机构地区：[1]河海大学计算机与信息学院智能科学与技术研究所,江苏南京210098

出　　处：《四川大学学报（工程科学版）》

基　　金：国家自然科学基金资助项目(60971088);国家自然科学基金资助项目(60571048)

年　　份：2012

卷　　号：44

期　　号：5

起止页码：136-142

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20124815724154)、JST、MR、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高强化学习算法的运行效率和收敛速度,提出了一种基于路径引导知识启发的强化学习方法PHQL。采用PHQL方法,不需要提前植入先导知识,agent在每一轮学习过程中更新Q表的同时,各个状态的路径知识也自主地建立起来并逐步修正和优化。算法利用已经获得的路径知识来指导和加速agent以后的强化学习过程,以减少agent学习过程的盲目性。分析了PHQL算法的探索、利用和启发3种行为的执行概率以及行为选取方法,提出一种行为选择概率随时间渐变的算法。以一个路径搜索问题为实例,对PHQL方法进行了验证、分析并与几种相关的强化学习算法进行了性能对比。实验结果表明,作者提出的方法对学习过程具有明显的加速作用,收敛性能有了较大的提高。

关 键 词：PHQL  Q学习 强化学习  路径规划 知识启发  

分 类 号：TP301]