分层强化学习中的动态分层方法研究

• 作者: 刘海波 沈晶 顾国昌
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 分层强化学习 动态分层 免疫聚类 二次应答
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 算法研究
• 页码范围: 287-291
• 页数: 5页
• 分类号: TP18
• 字数: 6535字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2007.02.021

摘要

分层强化学习中现有的自动分层方法均是在对状态空间进行一定程度探测之后一次性生成层次结构,不充分探测不能保证求解质量,过度探测则影响学习速度,为了克服学习算法性能高度依赖于状态空间探测程度这个问题,本文提出一种动态分层方法,该方法将免疫聚类及二次应答机制融入Sutton提出的Option分层强化学习框架,能对Option状态空间进行动态调整,并沿着学习轨迹动态生成Option内部策略,以二维有障碍栅格空间内两点间最短路径规划为学习任务进行了仿真实验,结果表明,动态分层方法对状态空间探测程度的依赖性很小,动态分层方法更适用于解决大规模强化学习问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾国昌	哈尔滨工程大学计算机科学与技术学院	138	2134	24.0	41.0
2	刘海波	哈尔滨工程大学计算机科学与技术学院	78	683	14.0	23.0
3	沈晶	哈尔滨工程大学计算机科学与技术学院	55	417	12.0	17.0