不确定性环境下基于进化算法的强化学习

• 作者: 刘海涛 朴松昊 洪炳熔 王雪梅
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 部分可观察马尔可夫决策过程 Q学习 Memetic算法 信度状态 隐状态
• 年，卷（期）: 2006,（7）
• 所属期刊栏目: 科研通信
• 页码范围: 1356-1360
• 页数: 5页
• 分类号: TP319
• 字数: 4817字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2006.07.035

摘要

不确定性和隐状态是目前强化学习所要面对的重要难题.本文提出了一种新的算法MA-Qlearning算法来求解带有这种不确定性的POMDP问题近似最优策略.利用Memetic算法来进化策略,而Q学习算法得到预测奖励来指出进化策略的适应度值.针对隐状态问题,通过记忆agent最近经历的确定性的有限步历史信息,与表示所有可能状态上的概率分布的信度状态相结合,共同决策当前的最优策略.利用一种混合搜索方法来提高搜索效率,其中调整因子被用于保持种群的多样性,并且指导组合式交叉操作与变异操作.在POMDP的Benchmark实例上的实验结果证明本文提出的算法性能优于其他的POMDP近似算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘海涛	哈尔滨工业大学计算机科学与技术学院	37	451	11.0	20.0
2	洪炳熔	哈尔滨工业大学计算机科学与技术学院	126	2827	27.0	49.0
3	朴松昊	哈尔滨工业大学计算机科学与技术学院	32	452	8.0	21.0
4	王雪梅	哈尔滨理工大学自动化学院	3	24	2.0	3.0