多回报模糊强化学习算法的研究及实现研究.pdfVIP

多回报模糊强化学习算法的研究及实现舟 高建清1王浩1方宝富1于磊1徐栋哲2 1．合肥工业大学计算机与信息学院230009 2冲国科学技术大学力学与机械工程系230029 e—mail：purnight@tom．com 摘要：本文提出了一种多回报模糊强化_q：--j算法。算法采用模糊逻辑对状态空间进行泛化，能够实现 连续状态空间和离散动作序列的学习。通过学习得到一个完整的规则库。这个规则库为Agent的行为选择 提供了先验知识，通过这个规则库可以实现动态规划。算法从不同角度考虑动作的回报值，实现了Agent 短期利益和长期回报间的平衡。我们在RoboCup环境中验证了这个算法，成功的解决了截球决策问题。 关键词：强化学习模糊集多回报RoboCup截球 Rewards Reinforcement Multiple Fuzzy Learning andIts AlgorithmImplementation Gao BaofuYuLeiXu JianqingWangHaoFang Dongzhe 1．School and of of ComputerInformation，HefeiUniversity of and ofModem Science of 2．DepartmentMechancis，University China,Hefei Technology 230029 e-mail：purnight@tom．com Abstract：This a rewardsreinforcement is paperproposesmultiple fuzzy learningalgorithm．Thealgorithm tothe ofcontinuousstate anddiscreteaction since isusedto appliedlearningproblem space sequencefuzzylogic thestate inthe rulebasecallbelearnedwhich for generalizespace algorithm．A providespriorknowledgeagent’s interests actionselectionand short-termand rewardsof arewell dynamicprogramming．The long-term agent balancedbecausetherewardsareconsideredfromdifferentview．Werealizethe in signals algorithmRoboCup environmentand the ofbail skill．