基于认知行为模型的启发加速深度Q网络

来源：计算机应用与软件杂志2024年第9期北京时间：

作者：李嘉祥, 陈浩, 黄健, 张中杰

摘要：由于状态-动作空间的扩大或奖励回报稀疏，强化学习智能体在复杂环境下从零开始学习最优策略将更为困难。由此提出基于智能体认知行为模型的启发加速深度Q网络，将符号化的规则表示融入学习网络，动态引导智能体策略学习，解决有效加速智能体学习的问题。该算法将启发知识建模为基于BDI（Belief-Desire-Intention）的认知行为模型，用于产生认知行为知识引导智能体策略学习，设计启发策略网络在线引导智能体的动作选择。GYM典型环境与星际争霸2环境下实验表明，该算法可以根据环境变化动态提取有效的认知行为知识，并借助启发策略网络加速智能体策略收敛。

关键词：强化学习, 认知行为模型, 启发加速深度Q网络