从知识的表达与运用综述强化学习研究.pdfVIP

第 23 卷 第 9 期 控 　制 　与 　决 　策 2008 年 9 月 Vol . 23 No . 9 Cont rol an d D ecis ion 　 Sep . 2008 　　文章编号 : 100 10920 (2008) 09096 108 从知识的表达和运用综述强化学习研究 陈宗海 , 杨志华 , 王海波 , 盛 　捷 ( 中国科学技术大学 自动化系 , 合肥 230027) 摘 　要 : 为推进强化学习研究的进一步深入和扩大其实际应用范围 ,从强化学习研究的理论基础 ———知识表示和运 用的角度对强化学习进行分类 ,并就经典随机强化学习、模糊强化学习、定性强化学习以及灰色强化学习作了较详细 的探讨与比较. 最后从知识表达和运用的角度对强化学习的发展进行了展望. 关键词 : 强化学习; 知识表示 ; 模糊理论 ; 定性推理 ; 灰色系统理论 中图分类号 : TP24 　　　　文献标识码 : A Overvie w of reinf orcement learning f rom knowledge expression and handl ing C H E N Zongh ai , YA N G Z h ih ua , WA N G H aibo , S H E N G J ie (Dep art ment of Automation , U niver sit y of Science and Technolo gy of China , Hefei 230027 , China . Correspondent : C H EN Zonghai , Email : chenzh @u stc . edu . cn) Abstract : In or der to advance reinforement learning ( RL ) research and exp and it s p ractical app lication scop e , it ’s necessary to cla ssify RL f rom RL research t heory ba se , knowledge exp ressed and t he handling angle . Ba sed on classical stocha stic RL , fuzzy RL , qualit ative RL and grey RL , t he det ailed di scu ssion and comp arion s are given . Finally , RL develop ment i s foreca st ed f rom t he knowledge exp ression and handling angle . Key words : Reinforcement learning ; Knowledge rep resent ation ; Fuzzy t heory ; Qualit ative rea soning ; Grey syst em t heory 1 　引　　言 的 Q学习算法[7 ] . 近 10 年来 ,强化学习引起了广泛 　　任何 agent 要实现 自主智能 ,学习能力无疑是 的研究 ,并在一些实际应用中取得了较好的效果. [ 8 ] 其关键技术之一. 对于学