基于神经网络的Agent增强学习模型

摘要：

在深入分析Agent决策过程中状态与行为空间的迁移与构造的基础上,设计了Agent基于强化学习的最优行为选择策略和Agent强化学习的神经网络模型与算法,并对算法的收敛性进行了证明.通过对多Agent电子商务系统中Agent竞价行为的预测仿真实验,验证了基于神经网络的Agent强化学习算法具有良好的性能和行为逼近能力.

关键词：Agent、强化学习、神经网络、Markov决策过程

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

资助基金：重庆市重点科技攻关资助CSTC;2005AC2090;重庆市自然科学基金CSTC;2004BB2167;CSTC;2006BB2249;重庆市教委资助项目KJ060704

在线出版日期：2008-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：156-158,297