论文部分内容阅读
针对动态环境下强化学习对未知动作的探索和已知最优动作的利用之间难以平衡的问题，提出了一种数据驱动Q-学习算法．该算法首先构建智能体的行为信息系统，通过行为信息系统知识的不确定性建立环境触发机制；依据跟踪环境变化的动态信息，触发机制自适应控制对新环境的探索，使算法对未知动作的探索和已知最优动作的利用达到平衡．用于动态环境下迷宫导航问题的仿真结果表明，该算法达到目标的平均步长比Q-学习算法、模拟退火Q-学习算法和基于探测刷新Q-学习算法缩短了7．79％～84．7％．