基于強化學(xué)習(xí)算法的多智能體學(xué)習(xí)問題的研究.pdf

1、隨著控制論及計算機技術(shù)的發(fā)展，分布式人工智能中多智能體系統(tǒng)的理論及相關(guān)的應(yīng)用研究已成為人工智能和智能控制研究的熱點。機器人足球比賽是一項旨在提高諸多相關(guān)領(lǐng)域的研究水平而舉行的國際大型比賽和學(xué)術(shù)活動，是研究分布式人工智能、智能控制和機器人技術(shù)的絕好平臺。 機器人足球比賽的環(huán)境是一個動態(tài)、復(fù)雜、對抗的環(huán)境，并且每個機器人只能得到場上的不完全信息，如何使機器人能通過不斷地學(xué)習(xí)提高自己的性能是開發(fā)足球機器人系統(tǒng)的關(guān)鍵內(nèi)容。 本文

2、主要研究強化學(xué)習(xí)技術(shù)在機器人足球中的實現(xiàn)問題。 首先，針對機器人足球比賽的環(huán)境的復(fù)雜性和狀態(tài)空間的龐大，對已有的基于CMAC神經(jīng)網(wǎng)絡(luò)的Q學(xué)習(xí)泛化學(xué)習(xí)算法，引入了信度分配的概念，把基于空間的信度分配和基于時間的信度分配同時融合到CMAC-Q學(xué)習(xí)算法當(dāng)中，提高了強化學(xué)習(xí)的速度。 其次，對近年來從分層強化學(xué)習(xí)中發(fā)展出來的option算法，結(jié)合內(nèi)在激勵思想，嘗試性地將其應(yīng)用到機器人足球中的踢球技術(shù)、截球技術(shù)和配合技術(shù)中去。實驗表