基于改进 Q -学习算法的多阶段群体决策模型

多阶段群体决策问题是一类典型的动态群体决策问题,主要针对离散的确定状态下的最优群体决策问题 求解. 但由于现实环境面临的大部分是不确定状态空间,甚至是未知环境空间(例如状态转移概率矩阵完全未知), 为了寻求具有较高共识度的多阶段群体最优策略,决策者需要通过对环境的动态交互来获得进一步的信息. 针对 该问题,利用强化学习技术,提出一种求解多阶段群体决策的最优决策算法,以解决在不确定状态空间下的多阶段 群体决策问题. 结合强化学习中的Q-学习算法,建立多阶段群体决策Q-学习基本算法模型,并改进该算法的迭代 过程,从中学习得到群体最优策略. 同时证明基于 Q-学习得到的多阶段群体最优策略也是群体共识度最高的策 略. 最后,通过一个计算实例说明算法的合理性及可行性.