基于概率型支持向量分类机的Q学习
程玉虎
高阳
王雪松
1.中国矿业大学,信息与电气工程学院,江苏,徐州,2211162.中国矿业大学,信息与电气工程学院,江苏,徐州,2211163.中国矿业大学,信息与电气工程学院,江苏,徐州,221116
摘要：按TD误差标准,把Q学习系统的状态-动作空间粗略地划分为正负2类.为了描述分类的不确定性和避免简单分类导致的学习精度下降问题,利用概率型支持向量分类机(PSVCM)来使得样本的分类同时具有定性的解释和定量的评价.PSVCM的输入为系统的连续状态和离散动作,输出为带有概率值的类别标签.对由PSVCM判定为正类的离散动作按其概率值进行加权求和,即可得到连续动作空间下的Q学习控制策略.小船靠岸问题的仿真结果表明,与基于传统支持向量分类机的Q学习相比,所提方法不仅能够有效解决具有连续状态和连续动作的非线性系统的Q学习控制,而且其控制性能对初始动作的设置不敏感.
关键词：概率支持向量分类机TD误差Q学习
分类号：TP18(自动化基础理论)
资助基金：国家自然科学基金(60804022)高等学校博士学科点专项科研基金(NCET-08-0836;20070290537)江苏省自然科学基金(BK2008126)中国博士后科学基金特别资助项目(2009025331)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
英文信息