如需要完整文档点击下方 "点击下载文档" 按钮

摘要： 通过引入频率最大Q值启发式学习算法，对一种递阶强化学习方法进行改进，解决在庞大状态空间和动态变化环境中对Agent进行最优行为策略学习的问题。引入属性维护算子以及承诺和规划意识属性，对经典信念、愿望、意图模型进行扩展，给出意识属性的理性维护过程，增强Agent的自适应性并使Agent具有在动态环境中进行在线学习的能力。根据意识模型提出一种具有主动性、适应性、反应性、社会性的Agent体系结构，并根据该体系结构开发出一种路径规划Agent。通过对行驶环境的组态设定，模拟车辆复杂的行驶状态，并通过对行驶状态的不断学习，最终获得最优路径，证明体系结构的可行性和有效性。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于Agent的递阶强化学习模型与体系结构》

将 完整文档 下载到本地，方便收藏和查阅

文件号：303716

点击下载文档