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:
提出了一种基于蚁群优化的模糊Sarsa学习(ACO-FSL)算法,在该算法中,首先把模糊系统按照模糊规则进行划分,对于每条模糊规则,有若干个候选动作可被选择,动作选择的概率依赖于实时的值函数;然后在每个动作选择的同时根据蚁群优化的思想定义变化的学习率,这样既缩小了搜索空间,又提高了学习效率.整个模糊推理模块被看作是蚂蚁觅食的过程,利用蚁群算法优良的随机搜索性能求解该组合优化问题.给出了该算法的设计方法和流程.小车爬山问题的仿真实验结果表明:提出的ACO-FSL算法相比FSL具有较好的学习性能.
推荐文章
一种新的基于蚁群优化的模糊强化学习算法
强化学习
模糊Sarsa学习
蚁群优化
基于Sarsa算法和蚁群优化的监测网络路由控制设计
监测网络
路由控制
优化
移动代理
基于蚁群算法的模糊比例积分微分参数优化
蚁群算法
模糊控制
PID控制
仿真
一种新的基于蚁群优化的模糊强化学习算法
强化学习
模糊Sarsa学习
蚁群优化
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 基于蚁群优化的模糊Sarsa学习算法
来源期刊 华中科技大学学报(自然科学版) 学科 工学
关键词 强化学习 模糊强化学习 模糊Sarsa学习 蚁群优化 变学习率 小车爬山问题
年,卷(期) 2011,(z2) 所属期刊栏目 机器学习、算法与系统仿真
研究方向 页码范围 340-343
页数 分类号 TP18
字数 语种 中文
DOI
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 杨宜民 广东工业大学自动化学院 221 2851 26.0 42.0
2 陈学松 广东工业大学应用数学学院 29 186 5.0 13.0
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  (6)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(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
强化学习
模糊强化学习
模糊Sarsa学习
蚁群优化
变学习率
小车爬山问题
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
华中科技大学学报(自然科学版)
月刊
1671-4512
42-1658/N
大16开
武汉市珞喻路1037号
38-9
1973
chi
出版文献量(篇)
9146
总下载数(次)
26
总被引数(次)
88536
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导