摘要：考虑到神经网络学习算法的特点 ,给出了一种基于再励学习的自组织模糊 CPN,它结合了自组织模糊 CPN和再励算法的优点 ,在控制过程中在线调整网络结构以及对网络参数学习 ,学习效率高 ,控制结构简单 .可以不要求受控对象的学习模型 ,实现在线控制 ,应用在倒车模型中仿真结果展示了所设计系统的良好控制性能 .

摘要：随着多移动机器人协调系统的应用向未知环境发展,一些依赖于环境模型的路径规划方法不再适用。而利用再励学习与环境直接交互,不需要先验知识和样本数据的特点,该文将再励学习应用于多机器人协调系统中,提出了基于再励学习的避障路径规划方法,并将再励函数设计为基于行为分解的无模型非均匀结构。计算机仿真实验结果表明该方法有效,并有较好的鲁棒性,新的再励函数结构使得学习速度得以提高。

摘要：基于大系统递阶控制思想,提出了一种运用再励学习算法设计歼击机自动着陆横侧向协调控制系统的方法.将再励学习算法引入歼击机着陆阶段的横侧向子系统的协调控制中,对滚转通道和航向通道的控制器参数进行在线寻优,提高了在线补偿神经网络消除非线性系统逆误差的能力,有效地改善了歼击机着陆阶段横侧向控制子系统的鲁棒性能.通过将这种方法应用于某型歼击机自动着陆控制的实时仿真研究,仿真结果表明了本文方法的有效性和可行性.

摘要：针对矢量控制交流调速系统,该文提出并设计了一种基于再励学习的模糊神经网络速度控制器。详细介绍了基于遗传算法的神经网络权重在线训练方法,仿真对比了输入空间的划分即模糊子集数量对模糊神经网络控制器的训练及其控制效果的影响。仿真结果表明该速度控制器能通过在线训练方式获得最优参数以适应被控对象的参数变化,能使系统获得优良的动态和静态性能。

摘要：为试验和比较各种先进的群体Agent合作求解智能算法,给群体Agent合作策略提供一个比较与测试的平台,该文针对传统的测试平台过分强调具体动作实施细节,忽略合作策略重要性的问题,给出了一种基于信念愿望意图(BDI)逻辑推理的群体Agent合作求解仿真系统——MAS-Soccer。在设计过程中简化Agent具体行为的执行细节,突出整体合作策略以及BDI逻辑推理在比赛中的重要性,并以此作为测试平台,以机器人足球赛任意球战术配合为实验内容,验证和比较了基于特征向量提取的再励学习算法与传统的再励学习算法在学习效果以及学习时间上的优劣。实验在验证算法的先进性的同时,也表明MAS-Soccer测试床能够准确和方便地进行合作策略的验证与比较。

摘要：演化艺术通过演化计算演绎出众多妙趣横生的图片,使人们的生活更加多姿多彩。传统演化艺术系统,多采取基于树的表示法,由人工筛选父代基因优良的种群,经由交叉或突变操作,生成子代种群。自动演化艺术系统的出现,使用户从适应度函数的工作中解脱,系统可以自动寻求目标最优解。重点研究了基于图表示法的笛卡尔遗传规划(CGP),采用Q-Learning机器方法重新定义了选择策略,使得系统不仅可以独立寻找目标最优解,还能自动寻找到达最优解的最优路径。

摘要：Y2000-62000-563 0009809综合业务网络采用再励学习的呼叫接纳控制与发送=Call admission control and routing in integrated servicenetworks using reinforcement learning[会,英]/Mar-bach.P.& Mihatsch,O.//1998 37th IEEE Canferenceon Decision and Control,Vol.1 of 4.—563～568(NiG)