一种自适应模糊Actor-Critic学习

• 作者: 易建强 王雪松 程玉虎
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: Actor-Critic学习 模糊推理系统 RBF网络 泛化
• 年，卷（期）: 2006,（9）
• 所属期刊栏目: 短文
• 页码范围: 1068-1072
• 页数: 5页
• 分类号: TP18
• 字数: 4598字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2006.09.023

摘要

提出一种基于模糊RBF网络的自适应模糊Actor-Critic学习.采用一个模糊RBF神经网络同时逼近Actor的动作函数和Critic的值函数,解决状态空间泛化中易出现的"维数灾"问题.模糊RBF网络能够根据环境状态和被控对象特性的变化进行网络结构和参数的自适应学习,使得网络结构更加紧凑,整个模糊Actor-Critic学习具有泛化性能好、控制结构简单和学习效率高的特点.Mountain Car的仿真结果验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	易建强	中国科学院自动化研究所	76	1420	21.0	33.0
2	程玉虎	中国矿业大学信息与电气工程学院	58	576	13.0	20.0
3	王雪松	中国矿业大学信息与电气工程学院	71	677	13.0	22.0