摘要：针对现有磁悬浮控制系统设计方法依赖动力学模型的问题,利用q网络强化学习方法,在不依赖系统模型的条件下,训练得到基于q网络的自学习控制器;基于系统运动方向设计奖励函数,提高了强化学习训练的收敛速度;提出了基于系统加权平均状态(weighted average states,WAS)的训练算法,自适应调节每回合的训练步数,以提高控制网络的有效控制范围。数值仿真结果表明,基于WAS算法的q网络自学习控制器能够实现磁悬浮系统的稳定控制,对比普通的强化学习算法,能够实现系统更大范围的稳定控制。

摘要：针对现有的试卷生成技术存在过多关注生成试卷的难易程度,而忽略了其他相关目标,例如质量、分数分布和技能覆盖范围的问题,提出一种强化学习和矩阵补全引导的多目标试卷生成方法,以优化试卷生成领域的特定目标。首先,运用深度知识追踪方法对学生之间的交互信息和响应日志进行建模以获取学生群体的技能熟练程度;其次,运用矩阵分解和矩阵补全方法对学生未做的习题进行得分预测;最后,基于多目标试卷生成策略,为提升q网络的更新效率,设计一个Exam q-Network函数逼近器以自动地选择合适的问题集来更新试卷组成。实验结果表明,相较于DEGA(Diseased-Enhanced Genetic Algorithm)、SSA-GA(Sparrow Search Algorithm-Genetic Algorithm)等模型,在试卷难度、合理性、准确性这3个指标上验证了所提模型在解决试卷生成场景的多重困境方面上效果显著。

摘要：针对现有抓取技术在复杂环境下难以进行有效的目标导向性抓取的问题,本文提出了一种基于深度强化学习的推动和抓取协同操作的方法.相对于以往的抓取方法,本方法使用深度学习来处理Intel-D435i相机所获得的RGB-D图像数据,同时又在视觉网络中引入了注意力机制,用来提高系统对工作区域内目标物体的敏感性.其次,使用深度q网络来学习UR5机械臂与环境之间的交互过程,提出了密集奖励策略来评判推动或抓取操作的好坏.随着训练次数的不断增加,UR5机械臂在训练过程中不断地优化两种操作之间的协同策略,从而更高效的进行决策.最后,在V-rep仿真平台上设计了仿真场景,并进行测试,平均抓取成功率达到92.5%.通过与其他几种方法进行对比,证明该方法可以在复杂环境下较好的完成目标物体的抓取任务.

摘要：为了缓解大城市的交通拥堵现状,交叉口信号灯配时的研究越来越有必要。普遍的交通信号配时技术,是基于单路口、传统车辆检测方法而设计的,没有考虑影响实际交通状况的流量,存在配时不准确、不智能的局限性。通过基于强化学习的深度q网络,提出基于多路口车辆感知预测的协同信号配时技术,将每个路口建模为一个代理,每个代理被训练从道路环境接受交通状态并采取最佳行动。实验表明,该方法不仅可以有效地进行交通流量预测,解决多路口协同的信号灯配时问题,还可以提高配时技术的智能性。