四川大學(xué)本科畢業(yè)論文（設(shè)計）任務(wù)書

1、四川大學(xué)本科畢業(yè)論文（設(shè)計）任務(wù)書四川大學(xué)本科畢業(yè)論文（設(shè)計）任務(wù)書（指（指導(dǎo)教師填寫）填寫）論文（文（設(shè)計設(shè)計）題目基于學(xué)基于學(xué)習(xí)遷移的合作式遷移的合作式強化學(xué)化學(xué)習(xí)方法研究方法研究學(xué)院電氣信息學(xué)院電氣信息學(xué)院專業(yè)自動化自動化年級2013級縱向課題課題（√）教師科研科研課題課題橫向橫向課題課題（）（）理論研究（研究（√）教師自擬課題擬課題（）應(yīng)用研究（用研究（）題目來源目來源學(xué)生自學(xué)生自擬課題擬課題（）題目類型技術(shù)開發(fā)（）注：注：請直

2、接在直接在所屬所屬項目括號目括號內(nèi)打內(nèi)打“√”論文（文（設(shè)計設(shè)計）選題選題目的、工作任目的、工作任務(wù)：強化學(xué)習(xí)是一種重要的機器學(xué)習(xí)方法，在智能控制中具有廣泛的應(yīng)用，基于強化學(xué)習(xí)的控制器設(shè)計是目前的一個研究熱點。在學(xué)習(xí)過程中，如何提高學(xué)習(xí)速度以及學(xué)習(xí)算法本身的泛化性能是影響強化學(xué)習(xí)控制算法性能的關(guān)鍵。本課題擬利用學(xué)習(xí)遷移機制研究適用于復(fù)雜學(xué)習(xí)任務(wù)的合作式強化學(xué)習(xí)方法，并以智能倉儲群移動機器人路徑規(guī)劃問題為例進行實驗研究。通過本畢業(yè)論文，訓(xùn)

3、練學(xué)生綜合運用本專業(yè)知識的能力以及基本的科研技能。具體工作任務(wù)如下1.學(xué)習(xí)并熟悉典型強化學(xué)習(xí)理論以及遷移學(xué)習(xí)方法；2.針對典型應(yīng)用設(shè)計適用于大規(guī)模復(fù)雜問題的合作式強化學(xué)習(xí)方法，并進行算法實現(xiàn)；3.對所設(shè)計算法進行系統(tǒng)詳細(xì)的仿真實驗驗證，并應(yīng)用于典型的智能倉儲群機器人路徑規(guī)劃問題。目前目前資料收集情況（含指定參考料收集情況（含指定參考資料）：料）：已收集基本的文獻資料，并對該課題進行了初步的可行性論證，部分參考文獻如下：[1].R.Sut

4、tonA.G.BartoReinfcementLearning:AnIntroduction.CambridgeMAUSA:MITPress1998.[2].Q.YangS.J.PanASurveyonTransferLearningIEEETransactionsonKnowledgeDataEngineering201022(10):13451359.[3].L.Bu?oniuet.al.AComprehensiveSurveyof

5、MultiAgentReinfcementLearning.IEEETransactionsonSystemManCybericsPartC200838(2):156172.[4].Y.Huet.al.MultiagentReinfcementLearningWithUnsharedValueFunctions.IEEETransactiononCyberics201445(4):647662.[5].R.ElwellR.Polikar

6、IncrementalLearningofConceptDriftinNonstationaryEnvironments.IEEETransactionsonNeuralwks201122(10):15171531.[6].V.Mnihetal.HumanlevelcontrolthroughdeepreinfcementlearningNature2015518(7540):529–533.論文（文（設(shè)計設(shè)計）完成）完成計劃（含劃（含