強化學(xué)習(xí)算法的研究與實驗.pdf

1、近年來，射電望遠鏡口徑的設(shè)計越來越大，觀測波段的寬度也越來越大，對其跟蹤精度和指向精度的要求也越來越高。因此，如何對天線的震動問題進行抑制，變的非常的重要。本文的目的就是設(shè)計控制器使得大口徑反射面天線底部良好跟蹤的同時還盡可能的減少末端的柔性振動量。
　　通過對強化學(xué)習(xí)的深入研究，搭建了一種基于Q-learning算法的柔性結(jié)構(gòu)控制器，該控制器很好的解決了當(dāng)獎賞函數(shù)和狀態(tài)轉(zhuǎn)移函數(shù)無法準(zhǔn)確知道的情況下價值函數(shù)的具體計算問題。

2、　　其次，搭建的基于Q-learning算法柔性結(jié)構(gòu)控制器，會存在連續(xù)狀態(tài)到離散狀態(tài)的轉(zhuǎn)換問題，因而會存在維數(shù)災(zāi)等問題。此外，考慮到強化學(xué)習(xí)是通過與環(huán)境的相互作用而學(xué)習(xí)，智能體可以利用的有效信息比較少。所以，本文中對基于Q-learning算法的柔性結(jié)構(gòu)控制器進行了改進，設(shè)計了一種PD+Q-learning型柔性結(jié)構(gòu)控制器，該控制器先通過PD控制，可以為智能體提供有效的先驗知識，從而，使得算法加快收斂。
　　最后，通過 Matla