您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（工学版）》

山东大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (4): 1-7.

• 机器学习与数据挖掘 •    下一篇

基于半马尔可夫对策的多机器人分层强化学习

沈晶,刘海波,张汝波,吴艳霞,程晓北   

  1. 哈尔滨工程大学计算机科学与技术学院, 黑龙江 哈尔滨 150001
  • 收稿日期:2010-02-27 出版日期:2010-08-16 发布日期:2010-02-27
  • 作者简介:沈晶(1969-),女,黑龙江鸡西人,副教授,博士,主要研究方向为强化学习、智能机器人技术和计算机视觉. E-maili: shenjing@hrbeu.edu.cn
  • 基金资助:

    国家自然科学基金资助项目(60975071);教育部博士点基金资助项目(20092304120013);中央高校基本科研业务费资助项目（HEUCFZ1010, HEUCF100604）

Multi-robot hierarchical reinforcement learning based on semi-Markov games

SHEN Jing, LIU Hai-bo, ZHANG Ru-bo, WU Yan-xia, CHENG Xiao-bei   

  1. College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China
  • Received:2010-02-27 Online:2010-08-16 Published:2010-02-27

PDF (PC)

1320

摘要：

在多智能体分层强化学习研究成果的基础上,考虑多机器人系统经常面临的通信困难问题(如水下环境),提出一种基于半马尔可夫对策的多机器人分层强化学习方法,通过引入对策论方法解决通信困难情况下多机器人学习问题。仿真实验结果表明了该方法的有效性。

关键词: 半马尔可夫对策, 多机器人, 分层强化学习

Abstract:

Following previous work and considering the multi-robot systems with communication failure (e.g. in an underwater environment), a multi-robot hierarchical reinforcement learning approach based on semi-Markov games was proposed.  The game theory was employed in this approach. Simulation experimental results showed that the proposed approach was effective on multi-robot learning with communication failure.

Key words:  semi-Markov game, multi-robot, hierarchical reinforcement learning

[1] 吴 皓,田国会,黄 彬 . 未知环境探测的多机器人协作策略研究[J]. 山东大学学报(工学版), 2008, 38(4): 27-31 .
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 2018 《山东大学学报(工学版)》编辑部　
地址: 济南市山大南路27号（250100）　 电话: 0531-88366735　 E-mail: xbgxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发