分层强化学习中的并行自动分层方法研究

• 作者: 刘海波 沈晶 顾国昌
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 强化学习 免疫聚类 分层强化学习 并行自动分层 多智能体系统
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 422-424
• 页数: 3页
• 分类号: TP18
• 字数: 3820字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2007.02.058

摘要

为加快分层强化学习中任务层次结构的自动生成速度,提出了一种基于多智能体系统的并行自动分层方法,该方法以Sutton提出的Option分层强化学习方法为理论框架,首先由多智能体合作对状态空间进行并行探测并集中聚类产生状态子空间,然后多智能体并行学习生成各子空间上内部策略,最终生成Option.以二维有障碍栅格空间内两点间最短路径规划为任务背景给出了算法并进行了仿真实验和分析,结果表明,并行自动分层方法生成任务层次结构的速度明显快于以往的串行自动分层方法.本文的方法适用于空间探测、路径规划、追逃等类问题领域.

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