%0 Journal Article
%T 连续状态自适应离散化基于K-均值聚类的强化学习方法
%A 文锋
%A 陈宗海
%A 卓睿
%A 周光明
%J 控制与决策
%P 143-148
%D 2006
%X 使用聚类算法对连续状态空间进行自适应离散化,得到了基于K-均值聚类的强化学习方法.该方法的学习过程分为两部分:对连续状态空间进行自适应离散化的状态空间学习,使用K-均值聚类算法;寻找最优策略的策略学习,使用替代合适迹Sarsa学习算法.对连续状态的强化学习基准问题进行仿真实验,结果表明该方法能实现对连续状态空间的自适应离散化,并最终学习到最优策略.与基于CMAC网络的强化学习方法进行比较,结果表明该方法具有节省存储空间和缩短计算时间的优点.
%K 强化学习
%K K-均值聚类算法
%K Sarsa学习
%K 连续状态
%K 自适应离散化
%U http://www.kzyjc.net:8080/CN/abstract/abstract8397.shtml