基于神经网络集成的强化学习算法系统设计  

Design on a Reinforcement Learning Algorithm Based on Neural Network Ensemble

作　　者：叶德谦[1] 杨樱[1] 金大兵[1] 

机构地区：[1]燕山大学中德信息技术研究所,河北秦皇岛066004

出　　处：《计算机工程与应用》2006年第12期97-99,共3页Computer Engineering and Applications

基　　金：燕山大学博士基金资助项目(编号:2004013)

摘　　要：BP神经网络在目前的非线性系统中应用广泛,但是作为有导师的学习系统,BP神经网络必须要求提供相关的经验数据才能正常运行,这对一般系统来说是非常麻烦和不现实的。对此文章提出了一种基于神经网络集成的强化学习BP算法,通过强化学习体系来实现体统的自学习,通过网络集成来达到初始数据的预处理,提高系统的泛化能力,并在实际应用中取得较好的效果。BP neural network has been used in nonlinear system controller widely.But as a supervised training algorithm,it requires experiential data to be trained.But in some system such data cannot be got.So this paper provides the optimization on a reinforcement leaming algorithm based on neural network ensemble. Reinforcement leaming is unsupervised and on-line.Neural network ensemble can significantly improve the generalization ability of leaming system. The method is tested and the expected results are obtained.

关 键 词：神经网络集成 BP神经网络 强化学习 RBP模型 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]