一种改进的强化学习方法在RoboCup中应用研究

• 作者: 朱倩 程显毅
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 强化学习 agent RoboCup CMAC
• 年，卷（期）: 2010,（3）
• 页码范围: 99-103
• 分类号: TP181
• 字数: 3497字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2010.03.022

摘要

基于CMAC(cerebella model articulation controller)提出一种动态强化学习方法(dynamic cerebella model articulation controller-advantage learning,DCMAC-AL).该方法利用advantage(λ)learning计算状态一动作函数,强化不同动作的值函数差异,以避免动作抖动;然后在CMAC函数拟合基础上,利用Bellman误差动态添加特征值,提高CMAC函数拟合的自适应性.同时,在RoboCup仿真平台上对多智能体防守任务(takeaway)进行建模,利用新提出的算法进行学习实验.实验结果表明,DCMAC-AL比采用CMAC的advantage(λ)learning方法有更好的学习效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程显毅	南通大学计算机科学与技术学院	75	491	11.0	16.0
5	朱倩	江苏大学计算机科学与通信工程学院	17	110	6.0	10.0