基于支持向量技術(shù)的Agent強化學(xué)習(xí)研究與應(yīng)用.pdf

1、支持向量機(SvM)是基于統(tǒng)計學(xué)習(xí)理論的一種機器學(xué)習(xí)方法,它具有全局最優(yōu)解和良好的泛化性能等優(yōu)點.強化學(xué)習(xí)是一種無監(jiān)督的機器學(xué)習(xí)技術(shù),能夠利用不確定的環(huán)境下Agent所獲得的獎賞來發(fā)現(xiàn)最優(yōu)的行為序列,因此被廣泛用于Agent的智能決策.但標準的強化學(xué)習(xí)算法不能適用于連續(xù)狀態(tài)空間和動作空間的學(xué)習(xí).本文針對RoboCup中的具體問題,一方面通過支持向量回歸方法來解決RoboCup中球員截球問題,一方面在強化學(xué)習(xí)中引入支持向量分類技術(shù)來解決強

2、化學(xué)習(xí)中連續(xù)狀態(tài)表示問題,使其適用于RoboCup復(fù)雜環(huán)境下的Agent智能決策.本文的主要研究工作如下: (1)針對RoboCup中截球問題引入了支持向量回歸方法,它通過采集樣本訓(xùn)練預(yù)測模型來預(yù)測agent成功截到球時球運動過的距離.為了達到更好的預(yù)測效果,對此模型的參數(shù)選擇問題進行了相應(yīng)的研究.最后將此預(yù)測模型與廣義回歸神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)方法相比較,結(jié)果表明在截球距離的預(yù)測精度方面要優(yōu)于傳統(tǒng)的廣義回歸神經(jīng)網(wǎng)絡(luò). (2)針