论文部分内容阅读
本文研究了机器人足球赛中利用增强学习进行角色分工的问题，通过仿真试验和理论分析，提出文[1]中采取无限作用范围衰减奖励优化模型（infinite-horizon discounted model)的Q学习算法对该任务不合适，并用平均奖励模型（average-reward model）对算法进行了改进，实验表明改进后学习的收敛速度以及系统的性能都提高了近一倍。