一种改进型机器智能强化学习机制研究  

Research on an Improved Multi-robot Learning Mechanism

作　　者：廖坚[1] 邹德清[2] 

机构地区：[1]湖南机电职业技术学院信息工程学院,长沙410151 [2]华中科技大学计算机科学与技术学院,武汉430074

出　　处：《控制工程》2017年第9期1908-1912,共5页Control Engineering of China

基　　金：湖南省教育厅科学研究项目(14C0403)

摘　　要：针对人工智能领域中非独立智能生物在强化学习方面出现的MDP环境单一、学习空间狭小等问题,提出一种基于改进XCS分类器(I-XCS)的非独立智能生物强化学习机制。此学习机制在原有的XCS分类能力以及在线知识基础之上,使用梯度下降相关技术构造了一个具有高稳定性、低维度特点的逼近方法,此方法存储空间要求低,可以提升智能生物学习归纳能力。实验结果证明I-XCS分类学习算法不仅能够有效地解决MDP环境单一、学习空间狭小等问题,结论在一定程度上提高了非独立智能生物在强化学习中的分析性能。For the single MDP environment and narrow learning space problems appeared in strengthening learning aspect of non-independent intelligent creatures in artificial intelligence, this paper proposes a reinforcement learning mechanism based on improved XCS classifier （I-XCS） of non-independent intelligent creatures. On the basis of the original XCS classification ability and online knowledge, this learning mechanism uses the gradient descent related technology to construct a high-stability, low-dimensional feature approximation method. This method＇s storage space requirement is low, and could enhance the learning summary ability of intelligent creatures. The experimental results show that the I-XCS algorithm not only solves that problems effectively, but also improves the analysis performance of non-independent intelligent biological strengthening learning in certain extent.

关 键 词：人工智能 非独立智能生物 I-XCS 梯度下降技术 强化学习 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]