2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于Q学习的适应性进化规划算法

张化祥 陆晶

张化祥, 陆晶. 基于Q学习的适应性进化规划算法. 自动化学报, 2008, 34(7): 819-822. doi: 10.3724/SP.J.1004.2008.00819
引用本文: 张化祥, 陆晶. 基于Q学习的适应性进化规划算法. 自动化学报, 2008, 34(7): 819-822. doi: 10.3724/SP.J.1004.2008.00819
ZHANG Hua-Xiang, LU Jing. An Adaptive Evolutionary Programming Algorithm Based on Q Learning. ACTA AUTOMATICA SINICA, 2008, 34(7): 819-822. doi: 10.3724/SP.J.1004.2008.00819
Citation: ZHANG Hua-Xiang, LU Jing. An Adaptive Evolutionary Programming Algorithm Based on Q Learning. ACTA AUTOMATICA SINICA, 2008, 34(7): 819-822. doi: 10.3724/SP.J.1004.2008.00819

基于Q学习的适应性进化规划算法

doi: 10.3724/SP.J.1004.2008.00819
详细信息
    通讯作者:

    张化祥

  • 中图分类号: TP18

An Adaptive Evolutionary Programming Algorithm Based on Q Learning

More Information
    Corresponding author: ZHANG Hua-Xiang
  • 摘要: 进化规划中, 个体选择变异策略特别重要. 适应性变异策略因在进化过程中动态选择个体变异策略, 能够取得较好的性能. 传统适应性变异策略都依据个体一步进化效果考察个体适应性, 没有从多步进化效果上对变异策略进行评价. 本文提出一种新的基于 Q 学习的适应性进化规划算法QEP (Q learning based evolutionary programming), 该算法将变异策略看成行动, 考察个体多步进化效果, 并通过计算 Q 函数值, 学习个体最优变异策略. 实验表明, QEP 能够获得好的性能.
  • 加载中
计量
  • 文章访问数:  3137
  • HTML全文浏览量:  83
  • PDF下载量:  1695
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-02-14
  • 修回日期:  2007-08-11
  • 刊出日期:  2008-07-20

目录

    /

    返回文章
    返回