基于支持向量技術(shù)的Agent強(qiáng)化學(xué)習(xí)研究與應(yīng)用.pdf

1、支持向量機(jī)(SvM)是基于統(tǒng)計(jì)學(xué)習(xí)理論的一種機(jī)器學(xué)習(xí)方法,它具有全局最優(yōu)解和良好的泛化性能等優(yōu)點(diǎn).強(qiáng)化學(xué)習(xí)是一種無監(jiān)督的機(jī)器學(xué)習(xí)技術(shù),能夠利用不確定的環(huán)境下Agent所獲得的獎(jiǎng)賞來發(fā)現(xiàn)最優(yōu)的行為序列,因此被廣泛用于Agent的智能決策.但標(biāo)準(zhǔn)的強(qiáng)化學(xué)習(xí)算法不能適用于連續(xù)狀態(tài)空間和動(dòng)作空間的學(xué)習(xí).本文針對(duì)RoboCup中的具體問題,一方面通過支持向量回歸方法來解決RoboCup中球員截球問題,一方面在強(qiáng)化學(xué)習(xí)中引入支持向量分類技術(shù)來解決強(qiáng)

2、化學(xué)習(xí)中連續(xù)狀態(tài)表示問題,使其適用于RoboCup復(fù)雜環(huán)境下的Agent智能決策.本文的主要研究工作如下: (1)針對(duì)RoboCup中截球問題引入了支持向量回歸方法,它通過采集樣本訓(xùn)練預(yù)測(cè)模型來預(yù)測(cè)agent成功截到球時(shí)球運(yùn)動(dòng)過的距離.為了達(dá)到更好的預(yù)測(cè)效果,對(duì)此模型的參數(shù)選擇問題進(jìn)行了相應(yīng)的研究.最后將此預(yù)測(cè)模型與廣義回歸神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)方法相比較,結(jié)果表明在截球距離的預(yù)測(cè)精度方面要優(yōu)于傳統(tǒng)的廣義回歸神經(jīng)網(wǎng)絡(luò). (2)針