概率近似正确的强化学习算法解决连续状态空间控制问题

被引：4

作者：

朱圆恒

赵冬斌

机构：

[1] 中国科学院自动化研究所复杂系统管理与控制国家重点实验室

来源：

控制理论与应用 | 2016年 / 33卷 / 12期

关键词：

强化学习; 概率近似正确; kd树; 双连杆机械臂;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP273 [自动控制、自动控制系统];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080201 ;

摘要：

在线学习时长是强化学习算法的一个重要指标.传统在线强化学习算法如Q学习、状态–动作–奖励–状态–动作(state-action-reward-state-action,SARSA)等算法不能从理论分析角度给出定量的在线学习时长上界.本文引入概率近似正确(probably approximately correct,PAC)原理,为连续时间确定性系统设计基于数据的在线强化学习算法.这类算法有效记录在线数据,同时考虑强化学习算法对状态空间探索的需求,能够在有限在线学习时间内输出近似最优的控制.我们提出算法的两种实现方式,分别使用状态离散化和kd树(k-dimensional树)技术,存储数据和计算在线策略.最后我们将提出的两个算法应用在双连杆机械臂运动控制上,观察算法的效果并进行比较.

引用

页码：1603 / 1613

页数：11

共 8 条

[1] 深度强化学习综述:兼论计算机围棋的发展 [J].