基于支持向量技術的Agent強化學習研究與應用.pdf

1、支持向量機(SvM)是基于統(tǒng)計學習理論的一種機器學習方法,它具有全局最優(yōu)解和良好的泛化性能等優(yōu)點.強化學習是一種無監(jiān)督的機器學習技術,能夠利用不確定的環(huán)境下Agent所獲得的獎賞來發(fā)現最優(yōu)的行為序列,因此被廣泛用于Agent的智能決策.但標準的強化學習算法不能適用于連續(xù)狀態(tài)空間和動作空間的學習.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,一方面在強化學習中引入支持向量分類技術來解決強

2、化學習中連續(xù)狀態(tài)表示問題,使其適用于RoboCup復雜環(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,它通過采集樣本訓練預測模型來預測agent成功截到球時球運動過的距離.為了達到更好的預測效果,對此模型的參數選擇問題進行了相應的研究.最后將此預測模型與廣義回歸神經網絡等傳統(tǒng)方法相比較,結果表明在截球距離的預測精度方面要優(yōu)于傳統(tǒng)的廣義回歸神經網絡. (2)針