| 基于Q-learning的不确定环境BDI Agent最优策略规划研究 |
| |
| 引用本文： | 万谦,刘玮,徐龙龙,郭竞知.基于Q-learning的不确定环境BDI Agent最优策略规划研究[J].计算机工程与科学,2019,41(1):166-172. |
| |
| 作者姓名： | 万谦 刘玮 徐龙龙 郭竞知 |
| |
| 作者单位： | 武汉工程大学计算机科学与工程学院,湖北 武汉 430073;智能机器人湖北省重点实验室,湖北 武汉 430073;武汉工程大学计算机科学与工程学院,湖北 武汉 430073;智能机器人湖北省重点实验室,湖北 武汉 430073;武汉工程大学计算机科学与工程学院,湖北 武汉 430073;智能机器人湖北省重点实验室,湖北 武汉 430073;武汉工程大学计算机科学与工程学院,湖北 武汉 430073;智能机器人湖北省重点实验室,湖北 武汉 430073 |
| |
| 基金项目： | 国家自然科学基金（61502355）；武汉工程大学第九届研究生教育创新基金(CX2017068) |
| |
| 摘 要： | BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。
|
| 关 键 词： | BDIAgent 强化学习 Q-LEARNING ASL JASON 规划 |
| 收稿时间： | 2018-06-05 |
| 修稿时间： | 2019-01-25 |
Optimal strategy planning of BDI agent based on
Q-learning in uncertain environments |
| |
| WAN Qian,LIU Wei,XU Long long,GUO Jing zhi.Optimal strategy planning of BDI agent based on
Q-learning in uncertain environments[J].Computer Engineering & Science,2019,41(1):166-172. |
| |
| Authors: | WAN Qian LIU Wei XU Long long GUO Jing zhi |
| |
| Affiliation: | （1.School of Computer Science and Engineering,Wuhan Institute of Technology,Wuhan 430073;
2.Hubei Provincial Key Laboratory of Intelligent Robot,Wuhan 430073,China）
|
| |
| Abstract: | |
| |
| Keywords: | BDI agent reinforcement learning Q-learning ASL Jason planning |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与科学》浏览原始摘要信息 |
|
点击此处可从《计算机工程与科学》下载全文 |
|
