基于预测状态表示的Q学习算法

• 作者: 刘云龙 刘建书 李人厚
• 来源期刊: 西安交通大学学报
• 关键词: 不确定环境规划 预测状态表示 Q学习算法 奶酪迷宫
• 年，卷（期）: 2008,（12）
• 页码范围: 1472-1475,1485
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2008.12.008

摘要

针对不确定环境的规划问题,提出了基于预测状态表示的Q学习算法.将预测状态表示方法与Q学习算法结合,用预测状态表示的预测向量作为Q学习算法的状态表示,使得到的状态具有马尔可夫特性,满足强化学习任务的要求,进而用Q学习算法学习智能体的最优策略,可解决不确定环境下的规划问题.仿真结果表明,在发现智能体的最优近似策略时,算法需要的学习周期数与假定环境状态已知情况下需要的学习周期数大致相同.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李人厚	西安交通大学系统工程研究所	137	2708	30.0	44.0
2	刘建书	西安交通大学系统工程研究所	9	196	6.0	9.0
3	刘云龙	西安交通大学系统工程研究所	7	118	5.0	7.0