基于視覺聽覺語義相干性的強化學習系統(tǒng)的研究.pdf

1、學習支持系統(tǒng)是近年來人工智能在教育中應用的研究熱點之一，它是教育學、認知科學和計算機科學的交叉研究領域。多Agent系統(tǒng)的理論與技術，為分布式開放系統(tǒng)的分析、設計和實現(xiàn)提供了一條嶄新的途徑，因此也被廣泛應用于學習支持系統(tǒng)。隨著計算機與網(wǎng)絡的發(fā)展，人們?nèi)諠u依賴于通過網(wǎng)絡進行交互，人們的學習方式也發(fā)生了變化，這就要求學習支持系統(tǒng)相應改變，從而對實現(xiàn)它的技術有了更高要求。
　　 本文從分析新形勢下人類教育理念的轉變和新學習方式入手，對

2、多Agent強化學習系統(tǒng)展開研究，包括單Agent的強化學習算法和多Agent強化學習算法，并對實際應用所需要的用戶個性化描述、個性化學習內(nèi)容呈現(xiàn)等問題進行了探索，主要完成了以下幾項研究工作：
　　 (1)以歷史發(fā)展為線索總結了計算機輔助教學的智能化歷程，分析了智能教學系統(tǒng)的優(yōu)勢與不足，認為適應性學習支持系統(tǒng)是當前數(shù)字化學習支持平臺的發(fā)展趨勢。
　　 (2)在對經(jīng)典強化學習算法TD算法和Q學習算法進行深入研究的基礎上，提

3、出了一種基于偏向信息的強化學習算法，利用預置的偏向信息或先驗知識來指導Agent行為選擇策略，引導Agent探測狀態(tài)空間的方向，同時在學習的過程中，不斷修改、完善已有的知識，達到提高算法收斂速度的目的。
　　 (3)提出了適合于連續(xù)狀態(tài)空間下的多Agent分層強化學習的半馬氏博弈模型SMG，同時給出了此模型對應的MAHRL協(xié)同框架，分別對協(xié)作子任務和非協(xié)作子任務進行形式化描述，闡述了多Agent分層強化學習系統(tǒng)的工作流程并給出了

4、MAHRL協(xié)同框架的核心一基于Pareto占優(yōu)解的分層強化學習算法。仿真實驗驗證了文中所提到的SMG模型、MAHRL協(xié)同框架和基于Pareto占優(yōu)解的分層強化學習算法的有效性和優(yōu)越性。
　　 (4)根據(jù)卡特爾16項個性因素測驗法，提出通過心理測驗獲得受訓者量化的關鍵個性屬性值的算法。
　　 (5)提出了恐怖場景個性化呈現(xiàn)算法，結合本文提出的強化學習算法實現(xiàn)了技能學習，可根據(jù)受訓者的知識技能掌握情況調整操作難度和知識測試點