基于深度增强学习的自动游戏方法
2017-11-21,,,,
长江大学学报(自科版) 2017年21期
,,,,
(长江大学信息与数学学院,湖北 荆州 434023)
基于深度增强学习的自动游戏方法
袁月,冯涛,阮青青,赵银明,邹健
(长江大学信息与数学学院,湖北荆州434023)
增强学习近年来多被用于智能体自动游戏,但增强学习在面对过大的状态或者行动空间时不能很好地处理。深度增强学习结合深度学习的感知能力和增强学习的决策能力,可以有效解决环境复杂问题。将增强学习与深度学习结合,通过改进的Markov决策过程逐步学习最优策略。首先找到目前的环境中最有价值的状态,从而产生最大积累奖励的行动,然后通过利用深度增强学习方法训练计算机自动完成一个简单游戏,使用控制变量法分别分析迭代次数和游戏难易程度对游戏得分的影响。试验结果表明,在外界环境相同时,准确率随着试验迭代次数的增大或游戏难度的减弱而增大,从而验证了智能体可以通过外界因素的改变进行更有效训练,最终获取最优结果。
深度增强学习;自动游戏;智能体
近年来,深度学习已经成为人工智能领域的研究热点,其主要思想是通过训练深度神经网络,从高维数据中提取数据的深层特征[1]。增强学习作为一种重要的机器学习方法,其目的在于根据不同目标构造一个最优策略。即当智能体(Agent)处于某种动态的未知环境时,通过与环境状态的交互作用,以环境反馈为输入,然后不断学习,改进自身性能并调整行为,最终使所获的累计奖励最大化[2,3]。……
登录APP查看全文
