一种改进的自动分层算法BMAXQ

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 1-3.

一种改进的自动分层算法BMAXQ

胡坤，余雪丽，李志

太原理工大学计算机科学与技术学院，太原 030024

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

BMAXQ：improved algorithm of hierarchical reinforcement learning

HU Kun，YU Xueli，LI Zhi

Department of Computer Science and Technology，Taiyuan University of Technology，Taiyuan 030024，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 针对MAXQ算法存在的弊端，提出一种改进的分层学习算法BMAXQ。该方法修改了MAXQ的抽象机制，利用BP神经网络的特点，使得Agent能够自动发现子任务，实现各分层的并行学习，适应动态环境下的学习任务。

关键词: 分层强化学习, MAXQ算法, BP神经网络, 子任务

Abstract: An improved method of hierarchical reinforcement learning which named BMAXQ is presented in order to resolve the shortcomings of MAXQ.It amends the abstract mechanism of MAXQ and utilizes the virtues of BP neural network.This method can make agent find the subtasks automatically and realize parallel learning for every layer.It can be adapted to the learning tasks under the dynamic environment.

Key words: hierarchical reinforcement learning, MAXQ, BP neural network, subtask

胡坤，余雪丽，李志. 一种改进的自动分层算法BMAXQ[J]. 计算机工程与应用, 2011, 47(30): 1-3.

HU Kun，YU Xueli，LI Zhi. BMAXQ：improved algorithm of hierarchical reinforcement learning[J]. Computer Engineering and Applications, 2011, 47(30): 1-3.

[1]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[2]	赖俊，魏竞毅，陈希亮. 分层强化学习综述[J]. 计算机工程与应用, 2021, 57(3): 72-79.
[3]	黄晶晶，王建宏. 分数阶非因果BP神经网络模型[J]. 计算机工程与应用, 2021, 57(23): 91-97.
[4]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[5]	楚彭子，虞翊，林辉，袁建军，姜西. ATO系统速度控制的BP-FIPID算法[J]. 计算机工程与应用, 2020, 56(22): 224-229.
[6]	冯玉芳1，2，卢厚清1，殷宏1，曹林1. 基于BP神经网络的故障诊断模型研究[J]. 计算机工程与应用, 2019, 55(6): 24-30.
[7]	邓烜堃1，2，万良1，2，黄娜娜1，2. 基于DAE-BP神经网络的股票预测研究[J]. 计算机工程与应用, 2019, 55(3): 126-132.
[8]	王勇，杨锦，王瑛. 改进Henon超混沌系统与AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(22): 180-186.
[9]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[10]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[11]	卞京红1，贺兴时1，范钦伟1，伊宝民2. 基于自适应花授粉算法的BP神经网络结构优化[J]. 计算机工程与应用, 2018, 54(3): 50-56.
[12]	赵亚飞，韦广梅. 基于BP神经网络的有限元应力修匀的研究[J]. 计算机工程与应用, 2018, 54(13): 67-72.
[13]	韦鹏宇1，2，4，潘福成1，2，3，李帅3. 改进人工蜂群优化BP神经网络的分类研究[J]. 计算机工程与应用, 2018, 54(10): 158-163.
[14]	刘裕国，王浩，姚宏亮，李俊照. 水平窗口能量计算的股市趋势预测算法[J]. 计算机工程与应用, 2017, 53(21): 225-232.
[15]	周静1，赵鲁阳1，罗炬锋1，2. 基于时域特征提取的围栏入侵模式分类方法[J]. 计算机工程与应用, 2017, 53(21): 98-102.