文件名称：基于模型的层次化强化学习算法 (2006年)
文件大小：438KB
文件格式：PDF
更新时间：2024-05-16 23:30:47
自然科学 论文
针对强化学习算法的状态值泛化和随机探索策略在确定性MDP系统控制中存在着学习效率低的问题，本文提出基于模型的层次化强化学习算法。该算法采用两层结构，底层利用系统模型，采用贪婪策略选择探索动作，完成强化学习任务。而高层通过对状态区域的分析，指导底层的学习，纠正底层错误的动作。高层对底层的学习的指导作用主要包括：在泛化过程中，对泛化区域中正确与错误的状态判断值分别采用不同的学习因子，减小泛化对算法收敛性的影响；建立状态区域的推理规则，用规则指导未知状态区域的学习，加快学习速度；利用系统模型和推理规则，将探索过