文件名称：基于概率模型的动态分层强化学习
文件大小：1.44MB
文件格式：PDF
更新时间：2024-04-30 23:06:35
动态分层强化学习; 贝叶斯学习; 状态转移概率模型; 智能体
为解决大规模强化学习中的“维度灾难”问题, 克服以往学习算法的性能高度依赖于先验知识的局限性,本文提出一种基于概率模型的动态分层强化学习方法. 首先基于贝叶斯学习对状态转移概率进行建模, 建立基于概率参数的关键状态识别方法, 进而通过聚类动态生成若干状态子空间和学习分层结构下的最优策略. 仿真结果表明该算法能显著提高复杂环境下智能体的学习效率, 适用于未知环境中的大规模学习.