基于Q-learning的不确定环境BDI Agent最优策略规划研究

• 作者: 万谦 刘玮 徐龙龙 郭竞知
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: BDI Agent 强化学习 Q-learning ASL Jason 规划
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 166-172
• 页数: 7页
• 分类号: TP311
• 字数: 6020字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.01.022

摘要

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力.强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理.针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘玮	武汉工程大学计算机科学与工程学院	13	44	3.0	6.0
3	徐龙龙	武汉工程大学计算机科学与工程学院	4	4	1.0	2.0
5	万谦	武汉工程大学计算机科学与工程学院	1	3	1.0	1.0
13	郭竞知	武汉工程大学计算机科学与工程学院	2	3	1.0	1.0