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:
强化学习是Agent学习中广泛使用的方法,在智能机器人、经济学、工业制造和博弈等领域得到了广泛的应用,但学习速度慢是强化学习的主要不足。迁移学习可从源任务中获得与目标任务相关的知识,利用这些知识去提高学习效率与效果。本文提出Agent地图迁移算法,实现了Agent在不同状态空间下的经验迁移。实现将Agent在简单环境中的学习经验迁移到复杂环境中,实验中验证了算法可加快Agent路径规划速度。
推荐文章
基于个性的群体强化学习算法
个性
Agent
群体强化学习
RoboCup
基于强化学习的多移动Agent学习算法
强化学习
移动Agent
学习
学习算法
基于信度分配函数的Agent强化学习算法
强化学习
Q-学习
信度分配强化学习
基于蚂蚁优化算法的分层强化学习
蚂蚁系统优化算法
强化学习
Option
瓶颈边
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Agent强化学习的地图迁移学习算法
来源期刊 电子世界 学科
关键词 Q学习 强化学习 地图迁移
年,卷(期) 2014,(15) 所属期刊栏目 学术交流
研究方向 页码范围 189-189
页数 1页 分类号
字数 1708字 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 张炎 包头职业技术学院计算机与信息工程系 2 1 1.0 1.0
2 刘博文 西北工业大学软件与微电子学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (5)
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)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(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
Q学习
强化学习
地图迁移
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
电子世界
半月刊
1003-0522
11-2086/TN
大16开
北京市
2-892
1979
chi
出版文献量(篇)
36164
总下载数(次)
96
总被引数(次)
46655
论文1v1指导