原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 l9卷 第 4期 计 算 机技 术 与发 展 Vo1．19 No．4
2009年 4月 COMPIJTER TECHNOI，()GY AND DEVEl0PMENT Apr． 2009
基于 MAXQ方法的分层强化学习
庞士焕 ，朱相冰2，张 琦3，汤萍萍4
(1．安徽师范大学 教育科学学院，安徽 芜湖 241000；
2．安徽师范大学 物理与电子信息工程学院，安徽 芜湖 241000；
3．西北大学 软件学院，陕西 西安 710069；
4．东南大学 计算机学院，江苏 南京 211189)
摘 要 ：强化学习是机器学习领域的一个重要分支 ，但在强化学习系统中，学习的数量会随着状态变量的个数成指数级增
长，从而形成 “维数灾”。为此提出了一种基于MAxQ的分层强化学习方法 ，通过引入抽象机制将强化学习任务分解到不
同层次上来分别实现 ，使得每层上的学习任务仅需在较小的空间中进行，从而大大减少 了学习的数量和规模。并给出具
体算法——MA)(Q—RL
关键词：分层强化学习；MAXQ；MDP
中图分类号 ：1 93 文献标识码 ：A 文章编号：1673—629X(2009)04—0154—03
HierarchicalReinforcementLearningwithMAXQMethod
PANG Shi—huan ，ZHU Xiang—bing2ZHANGQi。，TANGPing—ping4
，
(1．DepartmentofEducationalScience，AnhuiNormalUniversity，Wuhu241000，China；
2．DepartmentofPhysicsandElectronicInfomr ation，AnhuiNomr alUniversity，Wuhu241000，China；
3．De partmentofSoftwraeEngineering，NorthwestUniversity，Xi’na 710069，(；hina；
4．DepartmentofComputerScience，SoutheastUniversity，Nanjing211189，China)
Abstract：Reinforcementlearningisanimportna tbranchOfmachinelearning ．Inthesystem ofreinforcme entlearning ．thelearning state—
giesincreaseexponentiallyalong withthenumberofstatevariables，whichiscalled “dimensionsdisaster”．Hereahierarchiealreinforce—
mentlearning basedOiltheMAXQispmrxx~ tosolvethisproblem，whichisrealizedbydecomposingthetasktodifferentlevel，thussub
— tasksineverylevelcgtnbesolvedinrelativelysmallerscale．Thismethodturnsouttobeeffectivetodecreasethesattegies．Finally．offer
theconcernedalgorithm--MAXQ—RLA．
Keywords：hierarchicalreinforcementlearning ；IAXQ；bdDP
O 引 言 最优策略 j
文档评论（0）