非图像部分观测环境下强化学习算法研究  

作　　者：杨鹏[1] 李健[1] 

机构地区：[1]四川大学电子信息学院,四川成都610065

出　　处：《电子制作》2025年第6期62-66,共5页Practical Electronics

摘　　要：部分可观测环境因信息缺失和噪声干扰,显著增加了强化学习有效状态表征的难度。针对此问题,本文提出了一种基于MLP-DenseNet结合SE注意力机制的在线特征提取模块,将其命名为MDSE(MLPBased-DenseNet-SEAttention)。进一步利用MDSE模块设计了一种在线状态空间增强组件,将其命名为OSEM(Online-Space-EnhancementModel)。OSEM将低维的原始状态转换为高维的状态表征,并在此基础上建立一个辅助预测任务,使得OSEM通过自监督的训练学习到更好的状态表征。本文在四种连续非图像的仿真环境中与SAC和PPO算法结合进行实验,结果表明OSEM在四种环境下都带来了性能提升。

关 键 词：强化学习 部分观测 状态表征 MLP 注意力机制 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]