【摘要】 一种用于开发强化学习系统的框架及方法，其特征在于它是由与外部环境交互的学习者接口、表示环境状态的状态接口、系统通过执行部件执行动作的动作接口、基本的测试环境等部分组成框架，然后利用框架开发强化学习系统，其中学习者接口通过状态接口获取环境状态，经过学习更新内部状态并做出决策，调用动作接口作用于环境，同时提供了本研究组提出的新的基于量子理论的多机器人强化学习算法实现作为实例演示。开发人员只需要按照一定步骤实现相应的接口即可完成机器人或其他智能装置学习模块的开发。本发明可移植性高，可以在众多平台运行，可与其他机器人系统框架结合使用，大大降低了学习算法编写的复杂度，方法简单。 【专利类型】发明申请 【申请人】长春工程学院 【申请人类型】学校 【申请人地址】130012 吉林省长春市宽平大路395号 【申请人地区】中国 【申请人城市】长春市 【申请人区县】朝阳区 【申请号】CN200810051406.7 【申请日】2008-11-12 【申请年份】2008 【公开公告号】CN101739601A 【公开公告日】2010-06-16 【公开公告年份】2010 【授权公告号】CN101739601B 【授权公告日】2013-03-06 【授权公告年份】2013.0 【IPC分类号】G06N1/00; G06N3/00 【发明人】孟祥萍; 谭万禹; 皮玉珍; 苑全德; 纪秀 【主权项内容】一种用于开发强化学习系统的框架，其特征在于包括：一个与外部环境交互的学习者接口，是强化学习系统组织其他接口以进行学习和决策的模块；一个表示环境状态的状态接口，该接口提供了映射方法，用来将环境中的状态映射为系统内部状态供获取最优行动提供状态；一个通过执行部件执行动作的动作接口，用于提供获取动作和执行动作方法，分别用来获取当前动作和执行当前动作；一个基本的测试环境，该环境为经典的方格世界，用来设定目标、障碍物和学习智能体的初始位置。 【当前权利人】长春工程学院; 国家电网公司国网吉林省电力有限公司长春供电公司 【当前专利权人地址】吉林省长春市朝阳区宽平大路395号; 【专利权人类型】公立 【统一社会信用代码】12220000E58554358Q 【被引证次数】4 【被他引次数】4.0 【家族引证次数】3.0 【家族被引证次数】4
