论文部分内容阅读
以Q学习为代表的传统强化学习方法都是维持一个状态与动作的映射表．这种状态-动作的二层映射结构缺乏灵活性，同时不能有效地使用先验知识引导学习过程．为了解决这一问题，提出了一种基于多动机强化学习（MMRL）的框架．MMRL框架在状态与动作间引入动机层，将原有的状态-动作二层结构扩展为状态-动机-动作三层结构，可根据经验设置多个动机．通过动机的设定实现了先验知识的利用，进而加快了强化学习的进程，提高了强化学习的灵活性．实验表明，通过合理的动机设定，多动机强化学习的学习速度较传统强化学习有明显提升．