強化學習在RoboCup Agent智能策略中的研究與應用.pdf_第1頁
已閱讀1頁，還剩58頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、機器人世界杯足球賽(The Robot World Cup,簡稱RoboCup),是典型的MAS問題,可以用來評價各種不同的人工智能理論、算法和體系結構。
　　強化學習是一種以環(huán)境反饋作為輸入的、特殊的、適應環(huán)境的、從環(huán)境狀態(tài)到行為映射以使系統(tǒng)行為從環(huán)境中獲得的累積獎賞值最大的機器學習方法。該方法不同于監(jiān)督學習技術那樣通過正例、反例來告知采取何種行為,而是通過試錯的方法來發(fā)現(xiàn)最優(yōu)行為策略,因此廣泛應用于Agent的智能決策。強化學

2、習可以分為兩類。一類是基于模型的強化學習。另一類是模型無關的。環(huán)境模型用形象化的描述就是環(huán)境的行為方式。本文針對RoboCup中的Keepaway子任務,從模型無關與基于模型的強化學習兩個方面分別闡述其在RoboCup中的Agent智能決策學習中的應用。本文的研究內(nèi)容主要包括以下兩個方面:
　　首先,針對RoboCup中的Keepaway子問題,傳統(tǒng)的Q表已經(jīng)不能有效的表示連續(xù)的狀態(tài)和動作空間,我們使用神經(jīng)網(wǎng)絡來代替Q表來表示Q值

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論