基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
从研究分层强化学习入手,提出由MAS中任务结构分析产生的分层合作研究方法,通过区分子任务并以此建立更大粒度层面上的基于任务场景的状态空间,并结合以联合动作为基础的任务动作与势能场模型,从而解决强化学习中的状态空间的维数灾难.文中给出了基于机器人足球的子任务的算法应用,其效能得到实验的验证.
推荐文章
一种基于统计的多智能体Q学习算法
Q学习
多智能体系统
统计
RoboCup
基于Q-学习算法的异常检测模型
网络安全
异常检测
模型
Q-学习算法
基于改进Q-学习的导航知识获取算法研究
强化学习
Q-学习
探索区域扩张
模拟退火
神经网络
基于局部合作的RoboCup多智能体Q-学习
马尔可夫决策
Q-学习
局部合作
仿真2D
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于场景任务划分的多智能体Q-学习研究
来源期刊 计算机工程与应用 学科 工学
关键词 多Agent系统 强化学习 Q-学习 任务场景
年,卷(期) 2009,(21) 所属期刊栏目 博士论坛
研究方向 页码范围 21-24
页数 4页 分类号 TP18
字数 4554字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.21.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李龙澍 安徽大学计算智能与信号处理教育部重点实验室 199 1780 21.0 29.0
2 刘亮 安徽大学计算智能与信号处理教育部重点实验室 14 72 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多Agent系统
强化学习
Q-学习
任务场景
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导