基于矢量量化的强化学习及其在机器人行为学习中的应用

• 作者: 伊婧 张永赫 徐心和 段勇
• 来源期刊: 高技术通讯
• 学科: 工学
• 关键词: 强化学习(RL) 矢量量化(VQ) 码书 Q(λ)学习 自组织特征映射
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 先进制造与自动化技术
• 页码范围: 179-184
• 分类号: TP18
• 字数: 6185字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2011.02.012

摘要

针对强化学习(RL)中状态空间过大所引起的学习时间过长或算法难于收敛等问题,提出了一种基于矢量量化(VQ)技术的表格型强化学习方法--VQRL方法,该方法用矢量量化器的码书矢量来逼近强化学习的状态空间,从而有效地解决了强化学习的状态空间分割问题,并提高了学习的收敛速度.同时根据等失真理论将一种失真敏感自组织特征映射(SOFM)神经网络用于矢量量化,以达到更好的强化学习状态空间泛化性能.将此方法应用于反应式移动机器人的行为学习的实验验证了此方法的有效性,实验表明,此方法能够较好地解决复杂未知环境的机器人导航问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐心和	东北大学信息科学与工程学院	295	7536	42.0	73.0
2	段勇	沈阳工业大学信息科学与工程学院	39	307	10.0	15.0
3	张永赫	沈阳工业大学信息科学与工程学院	2	6	2.0	2.0
4	伊婧	沈阳工业大学信息科学与工程学院	2	5	1.0	2.0