论文部分内容阅读
面对高维连续状态空间或稀疏奖励等复杂任务时,仅依靠深度强化学习算法从零学习最优策略十分困难,如何将已有知识表示为人和学习型智能体之间相互可理解的形式,并有效地加速策略收敛仍是一个难题.本文提出一种融合认知行为模型的深度强化学习框架,将领域内先验知识建模为基于信念-愿望-意图（belief-desireintention, BDI）的认知行为模型,用于引导智能体策略学习.基于此框架,分别提出融合认知行为模型的深度Q学习算法和近端策略优化算法,并定量化设计了认知行为模型对智能体策略更新的引导方式.最后,通过典型gym环境和空战机动决策对抗环境,验证了提出的算法可以高效利用认知行为模型加速策略学习,有效缓解了状态空间巨大和环境奖励稀疏的影响.