基于強(qiáng)化學(xué)習(xí)的機(jī)器人覓食問題研究.pdf

1、機(jī)器人對(duì)環(huán)境的適應(yīng)程度決定了其智能的高低,在復(fù)雜非結(jié)構(gòu)環(huán)境中,機(jī)器人的適應(yīng)能力受到嚴(yán)重挑戰(zhàn),這要求機(jī)器人必須具備學(xué)習(xí)能力,強(qiáng)化學(xué)習(xí)機(jī)制以其優(yōu)秀的自適應(yīng)性和對(duì)學(xué)習(xí)條件的弱要求,為機(jī)器人的行為學(xué)習(xí)提供了途徑。針對(duì)覓食行為具有廣泛的代表性和較高的實(shí)際應(yīng)用價(jià)值,本文利用強(qiáng)化學(xué)習(xí)機(jī)制對(duì)機(jī)器人的覓食行為學(xué)習(xí)作出了一系列研究。
　　強(qiáng)化學(xué)習(xí)算法的關(guān)鍵問題是算法的收斂性以及收斂速度,這決定了機(jī)器人覓食學(xué)習(xí)的成敗和學(xué)習(xí)速度的快慢。文中提出將覓食行為

2、分解成普通的行為集成塊,極大地減小學(xué)習(xí)空間,建立標(biāo)準(zhǔn)的馬爾可夫決策過程(MDPs),同時(shí)加入一定的先驗(yàn)知識(shí)加速學(xué)習(xí)過程。利用Q學(xué)習(xí)進(jìn)行單個(gè)機(jī)器人覓食學(xué)習(xí)的仿真實(shí)驗(yàn)結(jié)果表明,分解任務(wù)和加入先驗(yàn)知識(shí)的措施對(duì)在線學(xué)習(xí)速度的提升效果明顯。
　　針對(duì)多機(jī)器人系統(tǒng)相比單個(gè)機(jī)器人具有的并行性、魯棒性等特點(diǎn),文中提出利用平均報(bào)酬的強(qiáng)化學(xué)習(xí)算法誘導(dǎo)多機(jī)器人產(chǎn)生協(xié)作覓食行為,并提出一種基于Schweitzer變換的相對(duì)值迭代(RVI)強(qiáng)化學(xué)習(xí)(RL)