论文部分内容阅读
针对连续空间下的强化学习控制问题，提出了一种基于自组织模糊RBF网络的Q学习方法．网络的输入为状态，输出为连续动作及其Q值，从而实现了“连续状态一连续动作”的映射关系．首先将连续动作空间离散化为确定数目的离散动作，采用完全贪婪策略选取具有最大Q值的离散动作作为每条模糊规则的局部获胜动作．然后采用命令融合机制对获胜的离散动作按其效用值进行加权，得到实际作用于系统的连续动作．另外，为简化网络结构和提高学习速度，采用改进的RAN算法和梯度下降法分别对网络的结构和参数进行在线自适应调整．倒立摆平衡控制的仿真结果验