人工智能一个重要的目标是设计一个智能体使它能够在复杂环境中自主地完成给定的任务,机器学习是人工智能学科的重要组成部分。强化学习RL(Reinforcement Learning)算法作为机器学习一个新的分支,由于其本身的特点,很适合用来设计Agent的学习。其思想是根据环境的惩奖信号来选择策略,即Agent通过与环境不断地进行相互作用来达到获取知识和适应环境的能力。不同于有导师学习,它不需要给出输入-输出对,只是利用环境的惩奖信号来改善自己的行为。近些年来对于强化学习的研究工作越来越多,强化学习被认为是设计智能主体核心技术之一。研究者青睐强化学习主要是它的一般性,仅仅只需要给定目标,智能主体会通过与环境的不断交互来达到。传统的强化学习算法仅限于离散有限的输入空间,运用查表法来存储值函数,然而实际系统的状态或决策空间大多数是连续的,因此不可能用查表法来表示值函数。一个比较好的方法是利用近似器逼近值函数,但是由于可能发散逼近并不是简单地用近似器替换表结构。很多的研究显示,利用局部逼近的技术能够比较好的逼近值函数,本文主要利用局部逼近来表示值函数,主要工作有:(1) 利用径向基函数网络来拟合值函数,解决了连续状态空间的泛化表示。(2) 利用实例学习表示值函数,提高了系统性能。(3) 对上述两种方法进行了实验,显示出较好的结果。